Cookies 🍪

Diese Website verwendet Cookies, die Ihre Zustimmung brauchen.

Project Logo DICE-CD

DICE-CD

Kontakt
Employee photo Mr Oliver Diekmeier
Oliver Diekmeier (M.Sc.) Doktorand und Wissenschaftlicher Mitarbeiter
Projekt Status
Laufend
Startdatum
January 1, 2026

Beschreibung

DICE-CD ist ein national gefördertes Projekt (BMBF DigiNutzenDat) zur Entwicklung eines modularen, skalierbaren Datenökosystems für die klinische Versorgung. Das Projekt vernetzt Kliniken, Forschungseinrichtungen und Industriepartner, um elektronische Gesundheitsakten, Bildgebung, Labor- und Genomdaten in einer einheitlichen Architektur zu integrieren. Am Beispiel der autosomal-dominanten polyzystischen Nierenerkrankung (ADPKD) entsteht eine Referenzarchitektur für durchgängige, interoperable Datenflüsse, die klinische Entscheidungen verbessern, KI-Anwendungen ermöglichen und Versorgung effizienter gestalten. Zudem wird ein Reifegradmodell für die klinische Datennutzung entwickelt, mit dem Einrichtungen ihre Datenkompetenz messen und weiterentwickeln können. Unser Ziel: fragmentierte Daten in nutzbare Erkenntnisse verwandeln – und so Ärztinnen, Forschende und Patientinnen stärken sowie die digitale Transformation des Gesundheitswesens vorantreiben.

Dieses Projekt wird unterstützt von

Gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt
Co-funded by the European Union

Erfolge & Ergebnisse

DICE-CD liefert praxisrelevante Ergebnisse, die Forschung und Versorgung nachhaltig verbessern:

  • Referenzarchitektur: Ein skalierbares, modulares Datenökosystem für ADPKD, übertragbar auf andere klinische Bereiche.
  • Reifegradmodell: Ein dynamisches Modell, mit dem Kliniken ihre Datennutzung messen und gezielt weiterentwickeln können.
  • Interoperable Schnittstellen & APIs: Sichere und standardisierte Datenflüsse zwischen EHR-, Labor-, Bildgebungs- und Forschungssystemen.
  • Validierte Pilotumsetzung: Ein nutzbarer Prototyp, erprobt in zwei führenden ADPKD-Zentren mit Feedback aus der Praxis.
  • Innovationskatalog: Priorisierte Anwendungsfälle und Leitlinien zur Integration von KI und Analytik in klinische Workflows.
  • Wissenstransfer: Open-Access-Publikationen, Konferenzbeiträge und Open-Source-Komponenten zur Förderung von Skalierung und Adoption.

Diese Ergebnisse schaffen eine Blaupause für die digitale Transformation des Gesundheitswesens – für bessere Entscheidungen, höhere Effizienz und gesteigerte Patientenzufriedenheit.