Diagnosemodel eerstelijnszorg

Een start-up ontwikkelt een AI-gebaseerd diagnosemodel om huisartsen te ondersteunen bij huidaandoeningen en onnodige doorverwijzingen naar dermatologen te verminderen.

Subsidie
€ 20.000
2023

Projectdetails

Inleiding

[Aanvrager/Partner] is een start-up die zich gaat richten op het ontwikkelen van een op artificiële intelligentie (AI)-gebaseerd diagnosemodel, dat in de eerstelijnszorg kan ondersteunen bij het stellen van diagnoses op het gebied van huidaandoeningen. Beide eigenaren studeren geneeskunde en signaleren dat huisartsen het vaak lastig vinden om tot een werkdiagnose te komen voor huidaandoeningen.

Probleemstelling

Dit leidt tot onnodige doorverwijzing naar de dermatoloog, hetgeen niet alleen hoogst onwenselijk is vanwege de alsmaar stijgende zorgkosten, maar bovenal zorgelijk in een tijd waarin er grote druk heerst op het zorgsysteem ten gevolge van uitgestelde zorg door de COVID-19-pandemie.

Voorbeeldsituatie

Een kenmerkende situatie is het inschatten of een ‘verdachte’ moedervlek goedaardig dan wel kwaadaardig is. In het eerste geval kan de huisarts zelf de zorg behouden, terwijl het tweede geval noopt tot een doorverwijzing naar de tweedelijnszorg.

Oplossing

Dinalyics erkent de enorme druk die momenteel het zorgsysteem overschaduwt en wil haar expertise op het gebied van AI inzetten om de eerstelijnszorg te ondersteunen bij het stellen van dermatologische diagnosen. Dit heeft als doel de kans op onnodige doorverwijzing te verkleinen en zo tegemoet te komen aan de hoge druk op het zorgsysteem.

Haalbaarheidsstudie

In dit kader beproeft [Aanvrager/Partner] een haalbaarheidsstudie uit te voeren, waarin zij zal onderzoeken of een op AI-gebaseerd diagnosemodel ondersteuning kan bieden bij het stellen van een diagnose.

Financiële details & Tijdlijn

Financiële details

Subsidiebedrag€ 20.000

Tijdlijn

StartdatumOnbekend
EinddatumOnbekend
Subsidiejaar2023

Partners & Locaties

Projectpartners

  • Aanvrager geen rechtspersoonpenvoerder

Land(en)

Netherlands

Vergelijkbare projecten binnen MIT Haalbaarheid

Mkb-innovati...

Virtuele doktersassistent – Huidaandoeningen

Het project onderzoekt de haalbaarheid van een doktersassistentapplicatie die via foto's en anamnese digitale diagnoses van huidaandoeningen stelt, met als doel zorgtoegang te verbeteren en kosten te verlagen.

€ 20.000
Mkb-innovati...

Primaire zorg: van routinematige naar datagedreven en zelflerende zorg

Het project onderzoekt de haalbaarheid van een beslisondersteuningstool voor primaire zorg in India, gericht op het optimaliseren van zorg door het gebruik van Real World data.

€ 20.000
Mkb-innovati...

SkinSight360

SkinSight360 onderzoekt de haalbaarheid van AI-gedreven dermatologische zorg en verbetert de communicatie tussen patiënten en dermatologen.

€ 20.000
Mkb-innovati...

Decision support system voor medische diagnoses

Nobleo ontwikkelt een AI-gestuurd decision support systeem om medische diagnoses te verbeteren en zorgkosten te verlagen.

€ 20.000
Mkb-innovati...

Obseq Diagnostics

Het project onderzoekt de haalbaarheid van de softwaretool 'Obseq Diagnostics', die met slimme algoritmes en machine learning vroegtijdige diagnoses stelt op basis van medische data.

€ 20.000

Vergelijkbare projecten uit andere regelingen

Mkb-innovati...

Doorbreken van barrières voor gebruik van AI algoritmes in de gezondheidszorg.

Het project ontwikkelt een cloud-based platform met AI-technologie voor verbeterde medische diagnostiek, gericht op snellere, nauwkeurigere behandelingen en kostenbesparingen in de gezondheidszorg.

€ 329.700
Mkb-innovati...

AllergoGOGO!

Het project ontwikkelt een digitaal zorgpad voor allergische rhinitis om snellere zorgverlening te bieden, zorgkosten te verlagen en de kwaliteit van leven van patiënten te verbeteren.

€ 191.665
Mkb-innovati...

Early Moves at Home: a deployable and scalable service

Het project richt zich op het vroegtijdig diagnosticeren van ontwikkelingsstoornissen bij hoog-risico pasgeborenen thuis, om de ontwikkeling van kinderen te verbeteren en zorgkosten te verlagen.

€ 200.000
ERC Advanced...

Enhancing emergency department safety, efficacy and cost-effectiveness by artificial intelligence

Develop a machine learning-based clinical decision support system for emergency medicine to enhance diagnosis accuracy, patient safety, and cost-effectiveness through validated algorithms and patient data integration.

€ 2.497.200
Mkb-innovati...

MedRing AI dataplatform

Het project ontwikkelt een 'Clinical Decision Support' platform voor real-time patiëntmonitoring en zelfmedicatie, ter verlichting van de zorgdruk en verbetering van de zorgkwaliteit in Nederland.

€ 174.300