Projekt

Swiss-Onco Pathhelper

Projekt auf einen Blick

Projekt auf einen Blick

Personalisierte Medizin macht Krebsbehandlungen komplex – klare Entscheidungen bleiben trotzdem entscheidend. Der Swiss Onco-Pathhelper ist ein innovatives Projekt an der Schnittstelle von Medizin, Data Science und künstlicher Intelligenz, das genau hier ansetzt. Ziel ist es, onkologische Leitlinien nicht nur zu digitalisieren, sondern sie verständlich zu strukturieren und direkt mit realen Patientenpfaden aus der Praxis zu verknüpfen.

Durch intelligente Visualisierungen und den automatisierten Abgleich zwischen Leitlinie und tatsächlicher Behandlung schafft der Swiss Onco-Pathhelper Transparenz im klinischen Alltag. Medizinisches Fachpersonal wird gezielt unterstützt, Abweichungen werden sichtbar und komplexe Therapieentscheidungen lassen sich fundierter treffen.

Ein weiterer Mehrwert: Der Vergleich von Leitlinienempfehlungen mit realen Behandlungskosten ermöglicht es, Kosten besser abzuschätzen und zu steuern – ohne die Versorgungsqualität aus den Augen zu verlieren.

So trägt der Swiss Onco-Pathhelper dazu bei, Qualität, Effizienz und Sicherheit in der onkologischen Versorgung nachhaltig zu verbessern.

Ausgangslage

Ausgangslage

Die Gesundheitskosten steigen weltweit – und besonders stark in der Schweiz. Spitäler stehen unter zunehmendem Druck: Sie müssen hochkomplexe Behandlungen wie die Krebsversorgung sicherstellen und gleichzeitig Effizienz und Qualität gewährleisten.

Gleichzeitig nimmt die Komplexität der onkologischen Therapien stetig zu. Moderne Präzisionsonkologie, zielgerichtete Therapien und personalisierte Behandlungsentscheidungen erfordern ein tiefes, stets aktuelles Fachwissen.

Leitlinien sollen in diesem Umfeld Klarheit schaffen und eine einheitliche, evidenzbasierte Behandlung sicherstellen. Doch:

  • Ihr Umfang wächst kontinuierlich.
  • Sie liegen meist als narrative Texte oder als Flussdiagramme vor.
  • Das medizinische Personal hat kaum Zeit, sie vollständig zu studieren.
  • Studien zeigen: Nur etwa 50 % der Patientinnen und Patienten werden tatsächlich leitliniengerecht behandelt.

Auch im Kanton Graubünden ist die Situation besonders komplex, da viele interne und externe Leistungserbringer in die onkologische Versorgung eingebunden sind.

Parallel zeigte eine schweizweite Vorstudie:

Daten der Gesundheitsversorgungsstatistik bilden Behandlungsabläufe nur unzureichend ab, da sie keine zeitlich feingranularen, strukturierten Prozessinformationen enthalten. Dadurch wird die Rekonstruktion echter Patientenpfade erschwert und die Qualitätsmessung eingeschränkt. Somit können Auswirkungen auf Kosten schwierig bestimmt werden.

Projektziel

Projektziel

Der Swiss Onco-Pathhelper verfolgt das Ziel, einen digitalen Assistenten zu entwickeln, der onkologische Leitlinien automatisiert erfasst, strukturiert und in einem interaktiven Tool gegenüber realen Patientenpfaden visualisiert.

Team

Team

Dozent
Prof. Dr. Yves Staudt
Wissenschaftlicher Projektmitarbeiter
Curdin Marxer

Die bisherigen Projekte wurden ausserdem von folgenden Personen unterstützt:

  • Prof. Dr. med. Roger von Moos (FMH Med. Onkologie, Innere Medizin) – Direktor Tumor- und Forschungszentrum, Kantonsspital Graubünden
  • Lucas Basler - Senior Radiation Oncologist und Data Scientist, Business Analyst, Project Manager – Artificial Intelligence (AI), Kantonsspital Graubünden
  • Rosaria Tino-Corrado - Assistentin Tumor- und Forschungszentrum, Kantonsspital Graubünden
  • Prof Dr. Joël Wagner – Full Professor at University of Lausanne (HEC), Director of the Department of Actuarial Science, Member of the Board of Directors of Retraites Populaires and LALUX Assurances
  • Selina Steiner – Praktikantin am Institut für Data Analysis, Artificial Intelligence, Visualization und Simulation (DAViS), unter der Leitung von Prof. Dr. Yves Staudt
Weiterführende Information

Weiterführende Information

Beteiligte

Das Projekt wurde vom Institut für Data Analysis, Artificial Intelligence, Visualization und Simulation (DAViS) zusammen mit dem Kantonsspital Graubünden umgesetzt.