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.
Projectdetails
Inleiding
Huidaandoeningen vormen een groot deel van de zorgvragen binnen het patiëntenaanbod in Nederlandse huisartsenpraktijken. Voorliggend project beoogt te onderzoeken of het haalbaar is om een doktersassistentapplicatie te ontwikkelen die op basis van foto's in combinatie met informatie uit anamnese een digitale diagnose stelt en een behandeling voor de huidaandoening voorstelt.
Werkwijze
Patiënten uploaden een overzichts- en detailfoto van de geïrriteerde huid op een beveiligde server en beantwoorden een aantal vragen, waarna de te ontwikkelen software deze analyseert en cross-referencet met een database en vooraf ingestelde parameters om te komen tot een diagnose.
Verwachte Resultaten
Wanneer dit haalbaarheidsproject slaagt, zal dit systeem worden ontwikkeld tot een app die niet alleen zal zorgen voor een toegenomen beschikbaarheid van zorg voor huidaandoeningen, maar tegelijkertijd een grote ontlasting betekenen voor Nederlandse huisartsenpraktijken, met een potentieel forse daling van de zorgkosten als gevolg.
Onderzoeksmethoden
Binnen het project zal allereerst literatuuronderzoek worden verricht, waaronder:
- Studie naar kenmerkende eigenschappen van veelvoorkomende huidaandoeningen.
- Onderzoek naar hoe deze digitaal herkend zouden kunnen worden.
Ook wordt een doelmatigheidsanalyse uitgevoerd om de economische haalbaarheid te analyseren.
Technologische Ontwikkeling
Vervolgens zullen wij een neuraal netwerk programmeren om een Deep Learning Systeem te ontwikkelen, dat op basis van een deep convolutional neuraal netwerk beelden en klinische metadata (anamnestische vragen) kan verwerken. Wij zullen een machine learning tool programmeren die de geüploade foto's analyseert en een...
Financiële details & Tijdlijn
Financiële details
Subsidiebedrag | € 20.000 |
Tijdlijn
Startdatum | Onbekend |
Einddatum | Onbekend |
Subsidiejaar | 2020 |
Partners & Locaties
Projectpartners
- Aanvrager geen rechtspersoonpenvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
Diagnosemodel eerstelijnszorgEen start-up ontwikkelt een AI-gebaseerd diagnosemodel om huisartsen te ondersteunen bij huidaandoeningen en onnodige doorverwijzingen naar dermatologen te verminderen. | Mkb-innovati... | € 20.000 | 2023 | Details |
SkinSight360SkinSight360 onderzoekt de haalbaarheid van AI-gedreven dermatologische zorg en verbetert de communicatie tussen patiënten en dermatologen. | Mkb-innovati... | € 20.000 | 2024 | Details |
Klinische zorgprocesmanagement applicatieEffect Healthcare B.V. onderzoekt de haalbaarheid van een applicatie voor clinici om zorgprocessen te optimaliseren, wat leidt tot betere patiëntresultaten en efficiëntere workflows. | Mkb-innovati... | € 19.728 | 2023 | Details |
Digital Skintyping Platform based on dermoscopy & AII-Parse ontwikkelt een digitaal platform dat AI gebruikt om huidtype te analyseren via dermatoscoopbeelden, met als doel het risico op huidkanker te verminderen en monitoring te verbeteren. | Mkb-innovati... | € 18.888 | 2022 | Details |
Obseq DiagnosticsHet project onderzoekt de haalbaarheid van de softwaretool 'Obseq Diagnostics', die met slimme algoritmes en machine learning vroegtijdige diagnoses stelt op basis van medische data. | Mkb-innovati... | € 20.000 | 2021 | Details |
Diagnosemodel eerstelijnszorg
Een start-up ontwikkelt een AI-gebaseerd diagnosemodel om huisartsen te ondersteunen bij huidaandoeningen en onnodige doorverwijzingen naar dermatologen te verminderen.
SkinSight360
SkinSight360 onderzoekt de haalbaarheid van AI-gedreven dermatologische zorg en verbetert de communicatie tussen patiënten en dermatologen.
Klinische zorgprocesmanagement applicatie
Effect Healthcare B.V. onderzoekt de haalbaarheid van een applicatie voor clinici om zorgprocessen te optimaliseren, wat leidt tot betere patiëntresultaten en efficiëntere workflows.
Digital Skintyping Platform based on dermoscopy & AI
I-Parse ontwikkelt een digitaal platform dat AI gebruikt om huidtype te analyseren via dermatoscoopbeelden, met als doel het risico op huidkanker te verminderen en monitoring te verbeteren.
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.
Vergelijkbare projecten uit andere regelingen
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
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. | Mkb-innovati... | € 329.700 | 2019 | Details |
Totaaloplossing voor anderhalvelijnszorg bij oogaandoeningenHet project ontwikkelt een DRP-platform en gebruiksvriendelijke funduscamera om oogscreening te verbeteren, waardoor huisartsen zelf kunnen screenen en wachttijden voor oogzorg verminderen. | Mkb-innovati... | € 198.205 | 2021 | Details |
Unburdening doctors by highly accurate AI anamnesisDit project ontwikkelt een AI-tool voor huisartsen om anamnese en diagnose te automatiseren en administratieve lasten te verlichten. | Mkb-innovati... | € 346.745 | 2022 | Details |
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. | Mkb-innovati... | € 191.665 | 2022 | Details |
A-EYEHealthplus.ai en Ksyos ontwikkelen een machine learning algoritme om de efficiëntie in de zorg te verbeteren, waardoor oogaandoeningen sneller en goedkoper kunnen worden gediagnosticeerd en behandeld. | Mkb-innovati... | € 347.130 | 2020 | Details |
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.
Totaaloplossing voor anderhalvelijnszorg bij oogaandoeningen
Het project ontwikkelt een DRP-platform en gebruiksvriendelijke funduscamera om oogscreening te verbeteren, waardoor huisartsen zelf kunnen screenen en wachttijden voor oogzorg verminderen.
Unburdening doctors by highly accurate AI anamnesis
Dit project ontwikkelt een AI-tool voor huisartsen om anamnese en diagnose te automatiseren en administratieve lasten te verlichten.
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.
A-EYE
Healthplus.ai en Ksyos ontwikkelen een machine learning algoritme om de efficiëntie in de zorg te verbeteren, waardoor oogaandoeningen sneller en goedkoper kunnen worden gediagnosticeerd en behandeld.