Dank dieses privaten Masterstudiengangs werden Sie analysieren, wie künstliche Intelligenz die Mustererkennung in medizinischen Bildern beeinflusst"

Der Privater masterstudiengang in E-Health und Big Data zielt darauf ab, die vielfältigen Vorteile der Technologie in der Medizin zu vermitteln. Das Konzept der elektronischen Gesundheitsdienste oder E-Health wird von der Weltgesundheitsorganisation (WHO) erklärt als: die kosteneffiziente und sichere Nutzung von Informations- und Kommunikationstechnologien zur Unterstützung des Gesundheitswesens und gesundheitsbezogener Bereiche, einschließlich Gesundheitsversorgung, Gesundheitsüberwachung und Gesundheitserziehung, Wissen und Forschung. Die Entwicklungen in diesem Bereich ermöglichen zum Beispiel die Diagnose von Krankheiten dank der Datenbank von Krankenhäusern oder sogar die Integration neuer 3D-gedruckter Gliedmaßen in den Körper von Menschen und Tieren. 

Die bevorstehende Entwicklung der Medizin erfordert hochqualifizierte Fachkräfte, die wissen, wie man auf die Anforderungen der Industrie 4.0 reagiert. TECH zielt darauf ab, die Karrieren von Ingenieuren zu fördern, die tiefer in das Gesundheitswesen einsteigen wollen und sich für die gleichzeitige Entwicklung der Telemedizin interessieren. Dieser private Masterstudiengang befasst sich mit den theoretischen und praktischen Grundlagen der modernen Medizin, um eine globale und tiefgreifende Vision der neuen biomedizinischen Integrationen zu schaffen.

Der Student wird sich nicht nur mit Aspekten von E-Health und Big Data befassen, sondern auch mit der Funktionsweise des internationalen Gesundheitssystems und seiner Organisation. Darüber hinaus bietet dieses Programm einen Schwerpunkt auf dem Bereich Unternehmertum, der Absolventen der Ingenieurwissenschaften als Zielgruppe dieser digitalen Fortbildung positioniert und die Gründung eigener Unternehmen mit den wichtigsten Grundlagen für unternehmerische Innovation fördert.

TECH wird sich an der Ausweitung dieser Studien durch einen privaten Masterstudiengang beteiligen, der auf dem Wissen von Wissenschaftlern des Sektors basiert, die an Projekten der künstlichen Intelligenz beteiligt sind. Die Lehrkräfte werden dem Studenten 24 Stunden am Tag zur Verfügung stehen und sein Studium begleiten. Darüber hinaus bieten der 100%ige Online-Modus und die audiovisuellen Inhalte dem Studenten alle Möglichkeiten für sein Studium.

Zeichnen Sie sich in einem boomenden Sektor aus und werden Sie Teil der technologischen Lösung der Zukunft in der medizinischen Entwicklung"

Dieser Privater masterstudiengang in E-Health und Big Data enthält das vollständigste und aktuellste Programm auf dem Markt. Die hervorstechendsten Merkmale sind: 

• Die Entwicklung von Fallstudien, die von Experten für Informations- und Kommunikationstechnologien im Gesundheitswesen vorgestellt werden
• Der anschauliche, schematische und äußerst praxisnahe Inhalt vermittelt alle für die berufliche Praxis unverzichtbaren wissenschaftlichen und praktischen Informationen
• Er enthält praktische Übungen, in denen der Selbstbewertungsprozess durchgeführt werden kann, um das Lernen zu verbessern
• Sein besonderer Schwerpunkt liegt auf innovativen Methoden 
• Theoretische Vorträge, Fragen an den Experten, Diskussionsforen zu kontroversen Themen und individuelle Reflexionsarbeit
• Die Verfügbarkeit des Zugangs zu Inhalten von jedem festen oder tragbaren Gerät mit Internetanschluss

Schließen Sie sich dem Wandel in der modernen Medizin an, indem Sie künstliche Intelligenz und das Internet der Dinge (IoT) auf die Telemedizin anwenden"

Zu den Dozenten des Programms gehören Fachleute aus der Branche, die ihre Erfahrungen aus ihrer Arbeit in diese Weiterbildung einbringen, sowie anerkannte Spezialisten aus führenden Unternehmen und renommierten Universitäten. 

Die multimedialen Inhalte, die mit der neuesten Bildungstechnologie entwickelt wurden, werden der Fachkraft ein situiertes und kontextbezogenes Lernen ermöglichen, d. h. eine simulierte Umgebung, die eine immersive Fortbildung bietet, die auf die Ausführung von realen Situationen ausgerichtet ist. 

Das Konzept dieses Programms konzentriert sich auf problemorientiertes Lernen, bei dem die Fachkraft versuchen muss, die verschiedenen Situationen aus der beruflichen Praxis zu lösen, die während des gesamten Studiengangs gestellt werden. Zu diesem Zweck wird sie von einem innovativen interaktiven Videosystem unterstützt, das von renommierten Experten entwickelt wurde. 

Steigern Sie Ihre Karriereaussichten dank Bioinformatik und Big Data-Techniken"

Aktualisieren Sie Ihr biomedizinisches Wissen mit neuen Tools für das klinische Gesundheitsmanagement"

Die Inhalte dieses Programms wurden sorgfältig von einem Team von Fachleuten entwickelt, die ihr Wissen aus den Bereichen Gesundheitswissenschaften und Kommunikation eingebracht haben. Dank ihres Beitrags wird der Student auf einfache und pädagogische Weise den Lehrstoff verstehen, der von der klinischen Medizin bis hin zu unternehmerischer Innovation und Unternehmertum im Bereich E-Health reicht. Zu diesem Zweck wendet TECH die Relearning-Methode an, die Studiengarantien bietet und einen schrittweisen Unterricht durch theoretische und praktische Inhalte ermöglicht. 

Ein Programm, das von Experten der Gesundheitswissenschaften entwickelt wurde, die qualitativ hochwertige Inhalte bereitstellen, um das richtige Wissen zu vermitteln"

Modul 1. Molekulare Medizin und Diagnose von Pathologien

1.1. Molekulare Medizin

1.1.1. Zell- und Molekularbiologie. Zellverletzung und Zelltod. Alterung
1.1.2. Durch Mikroorganismen verursachte Krankheiten und Wirtsabwehr
1.1.3. Autoimmunkrankheiten
1.1.4. Toxikologische Krankheiten
1.1.5. Hypoxie-Krankheiten
1.1.6. Umweltbedingte Krankheiten
1.1.7. Genetische Krankheiten und Epigenetik
1.1.8. Onkologische Krankheiten

1.2. Kreislaufsystem

1.2.1. Anatomie und Funktion
1.2.2. Erkrankungen des Herzmuskels und Herzinsuffizienz
1.2.3. Erkrankungen des Herzrhythmus
1.2.4. Herzklappen- und Perikarderkrankungen
1.2.5. Atherosklerose, Arteriosklerose und Bluthochdruck
1.2.6. Periphere arterielle und venöse Erkrankungen
1.2.7. Lymphatische Erkrankung (die große Übersehene)

1.3. Krankheiten des Atmungssystems

1.3.1. Anatomie und Funktion
1.3.2. Akute und chronisch obstruktive Lungenkrankheiten
1.3.3. Pleura- und Mediastinalerkrankungen
1.3.4. Infektiöse Erkrankungen des Lungenparenchyms und der Bronchien
1.3.5. Erkrankungen des Lungenkreislaufs

1.4. Krankheiten des Verdauungssystems

1.4.1. Anatomie und Funktion
1.4.2. Verdauungssystem, Ernährung und Wasser-Elektrolyt-Austausch
1.4.3. Erkrankungen des Magens und der Speiseröhre
1.4.4. Gastrointestinale Infektionskrankheiten
1.4.5. Erkrankungen der Leber und der Gallenwege
1.4.6. Erkrankungen der Bauchspeicheldrüse
1.4.7. Erkrankungen des Dickdarms

1.5. Erkrankungen der Nieren und Harnwege

1.5.1. Anatomie und Funktion
1.5.2. Niereninsuffizienz (prärenal, renal und postrenal) und wie sie ausgelöst wird
1.5.3. Obstruktive Erkrankungen des Harntrakts
1.5.4. Sphinkterinsuffizienz in den Harnwegen
1.5.5. Nephrotisches Syndrom und nephritisches Syndrom

1.6. Krankheiten des endokrinen Systems 

1.6.1. Anatomie und Funktion
1.6.2. Der Menstruationszyklus und seine Störungen
1.6.3. Erkrankungen der Schilddrüse
1.6.4. Erkrankungen der Nebennieren
1.6.5. Erkrankungen der Keimdrüsen und der sexuellen Differenzierung
1.6.6. Hypothalamus-Hypophysen-Achse, Kalziumstoffwechsel, Vitamin D und ihre Auswirkungen auf das Wachstum und das Skelettsystem

1.7. Stoffwechsel und Ernährung

1.7.1. Essentielle und nichtessentielle Nährstoffe (Klarstellung der Definitionen)
1.7.2. Der Kohlenhydratstoffwechsel und seine Störungen
1.7.3. Der Proteinstoffwechsel und seine Störungen
1.7.4. Der Lipidstoffwechsel und seine Störungen
1.7.5. Der Eisenstoffwechsel und seine Störungen
1.7.6. Störungen des Säure-Basen-Haushalts
1.7.7. Natrium-, Kalium-Stoffwechsel und seine Störungen
1.7.8. Ernährungsbedingte Krankheiten (hyperkalorisch und hypokalorisch)

1.8. Hämatologische Krankheiten

1.8.1. Anatomie und Funktion
1.8.2. Krankheiten der roten Serie
1.8.3. Erkrankungen der weißen Serie, der Lymphknoten und der Milz
1.8.4. Hämostase und Gerinnungskrankheiten

1.9. Erkrankungen des Bewegungsapparates

1.9.1. Anatomie und Funktion
1.9.2. Gelenke, Typen und Funktion
1.9.3. Regeneration von Knochen
1.9.4. Normale und pathologische Entwicklung des Skelettsystems
1.9.5. Deformitäten der oberen und unteren Gliedmaßen
1.9.6. Gelenkpathologie, Knorpel und Analyse der Synovialflüssigkeit
1.9.7. Gelenkerkrankungen immunologischen Ursprungs

1.10. Krankheiten des Nervensystems

1.10.1. Anatomie und Funktion
1.10.2. Entwicklung des zentralen und peripheren Nervensystems
1.10.3. Entwicklung der Wirbelsäule und ihrer Bestandteile
1.10.4. Kleinhirn- und propriozeptive Störungen
1.10.5. Spezifische Erkrankungen des Gehirns (zentrales Nervensystem)
1.10.6. Erkrankungen des Rückenmarks und des Liquors
1.10.7. Stenotische Erkrankungen des peripheren Nervensystems
1.10.8. Infektionskrankheiten des zentralen Nervensystems
1.10.9. Zerebrovaskuläre Erkrankungen (stenotisch und hämorrhagisch)

Modul 2. Gesundheitssystem. Management und Leitung von Gesundheitszentren

2.1. Gesundheitssysteme

2.1.1. Gesundheitssysteme
2.1.2. Gesundheitssysteme nach der WHO
2.1.2. Gesundheitlicher Kontext

2.2. Gesundheitsmodelle I. Bismarck vs. Beveridge-Modell

2.2.1. Bismarck-Modell
2.2.2. Beveridge-Modell
2.2.3. Bismarck-Modell vs. Beveridge-Modell

2.3. Gesundheitsmodelle II. Semashko-Modell, privat und gemischt

2.3.1. Semashko-Modell
2.3.2. Privates Modell
2.3.3. Gemischtes Modell

2.4. Der Gesundheitsmarkt

2.4.1. Der Gesundheitsmarkt
2.4.2. Regulierung und Grenzen des Gesundheitsmarktes
2.4.3. Zahlungsmodalitäten für Ärzte und Krankenhäuser
2.4.4. Der klinische Ingenieur

2.5. Krankenhäuser. Typologie

2.5.1. Architektur des Krankenhauses
2.5.2. Arten von Krankenhäusern
2.5.3. Krankenhausorganisation

2.6. Metriken im Gesundheitswesen

2.6.1. Mortalität
2.6.2. Morbidität
2.6.3. Gesunde Lebensjahre

2.7. Methoden der Zuweisung von Gesundheitsressourcen

2.7.1. Lineare Programmierung
2.7.2. Maximierungsmodelle
2.7.3. Minimierungsmodelle

2.8. Messung von Produktivität im Gesundheitswesen

2.8.1. Maße für die Produktivität im Gesundheitswesen
2.8.2. Produktivitätskennzahlen
2.8.3. Input-Anpassung
2.8.4. Output-Anpassung

2.9. Prozessverbesserung im Gesundheitswesen

2.9.1. Lean-Management-Prozess
2.9.2. Werkzeuge zur Arbeitsvereinfachung
2.9.3. Werkzeuge zur Untersuchung von Problemen

2.10. Projektmanagement im Gesundheitswesen

2.10.1. Die Rolle des Project Managers
2.10.2. Team- und Projektmanagement-Tools
2.10.3. Zeit- und Terminmanagement

Modul 3. Forschung in den Gesundheitswissenschaften 

3.1. Wissenschaftliche Forschung I. Die wissenschaftliche Methode

3.1.1. Wissenschaftliche Forschung
3.1.2. Forschung in den Gesundheitswissenschaften
3.1.3. Die wissenschaftliche Methode

3.2. Wissenschaftliche Forschung II. Typologie

3.2.1. Grundlagenforschung
3.2.2. Klinische Forschung
3.2.3. Translationale Forschung

3.3. Evidenzbasierte Medizin

3.3.1. Evidenzbasierte Medizin
3.3.2. Grundsätze der evidenzbasierten Medizin
3.3.3. Methodik der evidenzbasierten Medizin

3.4. Ethik und Gesetzgebung der wissenschaftlichen Forschung. Die Erklärung von Helsinki

3.4.1. Die Ethikkommission
3.4.2. Die Erklärung von Helsinki
3.4.3. Ethik in den Gesundheitswissenschaften

3.5. Ergebnisse der wissenschaftlichen Forschung

3.5.1. Methoden
3.5.2. Präzision und statistische Aussagekraft
3.5.3. Gültigkeit der wissenschaftlichen Ergebnisse

3.6. Öffentliche Kommunikation

3.6.1. Wissenschaftliche Gesellschaften
3.6.2. Der wissenschaftliche Kongress
3.6.3. Die Kommunikationsstrukturen

3.7. Die Finanzierung der wissenschaftlichen Forschung

3.7.1. Die Struktur eines wissenschaftlichen Projekts
3.7.2. Öffentliche Finanzierung
3.7.3. Private und industrielle Finanzierung

3.8. Wissenschaftliche Ressourcen für bibliographische Recherchen. Gesundheitswissenschaftliche Datenbanken I

3.8.1. PubMed-Medline
3.8.2. Embase
3.8.3. WOS und JCR
3.8.4. Scopus und Scimago
3.8.5. Micromedex
3.8.6. MEDES
3.8.7. IBECS
3.8.8. LILACS
3.8.10. BDENF
3.8.11. Cuidatge
3.8.12. CINAHL
3.8.13. Cuiden Plus
3.8.14. Enfispo
3.8.15. NCBI (OMIM, TOXNET) und NIH (National Cancer Institute) Datenbanken

3.9. Wissenschaftliche Ressourcen für bibliographische Recherchen. Gesundheitswissenschaftliche Datenbanken II

3.9.1. NARIC- Rehabdata
3.9.2. PEDro
3.9.3. ASABE: Technical Library
3.9.4. CAB Abstracts
3.9.6. Datenbanken des CDR (Centre for Reviews and Dissemination)
3.9.7. Biomed Central BMC
3.9.8. ClinicalTrials.gov
3.9.9. Clinical Trials Register
3.9.10. DOAJ- Directory of Open Acess Journals
3.9.11. PROSPERO (Prospektives internationales Register für systematische Überprüfungen)
3.9.12. TRIP
3.9.13. LILACS
3.9.14. NIH. Medical Library
3.9.15. Medline Plus
3.9.16. OPS

3.10. Wissenschaftliche Ressourcen für bibliographische Recherchen III. Suchmaschinen und Plattformen

3.10.1. Suchmaschinen und Multisuchmaschinen

3.10.1.1. Findr
3.10.1.2. Dimensions
3.10.1.3. Google Scholar
3.10.1.4. Microsoft Academic

3.10.2. Internationale Registerplattform der WHO für klinische Studien (ICTRP)

3.10.2.1. PubMed Central PMC
3.10.2.2. Offener Wissenschaftssammler (RECOLECTA)
3.10.2.3. Zenodo

3.10.3. Suchmaschinen für Doktorarbeiten

3.10.3.1. DART-Europe
3.10.3.2. Dialnet-Dissertationen
3.10.3.3. OATD (Open Access Theses and Dissertations)
3.10.3.4. TDR (Dissertationen im Netz)
3.10.3.5. TESEO

3.10.4. Bibliographische Manager

3.10.4.1. Endnote Online
3.10.4.2. Mendeley
3.10.4.3. Zotero
3.10.4.4. Citeulike
3.10.4.5. RefWorks

3.10.5. Digitale soziale Netzwerke für Forscher

3.10.5.1. Scielo
3.10.5.2. Dialnet
3.10.5.3. Free Medical Journals
3.10.5.4. DOAJ
3.10.5.5. Open Science Directory
3.10.5.6. Redalyc
3.10.5.7. Academia.edu
3.10.5.8. Mendeley
3.10.5.9. ResearchGate

3.10.6. Ressourcen des Social Web 2.0

3.10.6.1. Delicious
3.10.6.2. Slideshare
3.10.6.3. Youtube
3.10.6.4. Twitter
3.10.6.5. Gesundheitswissenschafts-Blogs
3.10.6.6. Facebook
3.10.6.7. Evernote
3.10.6.8. Dropbox
3.10.6.9. Google Drive

3.10.7. Portale von Verlagen und Aggregatoren von wissenschaftlichen Zeitschriften

3.10.7.1. Science Direct
3.10.7.2. Ovid
3.10.7.3. Springer
3.10.7.4. Wiley
3.10.7.5. Proquest
3.10.7.6. Ebsco
3.10.7.7. BioMed Central

Modul 4. Techniken, Erkennung und Intervention durch biomedizinische Bildgebung

4.1. Medizinische Bildgebung

4.1.1. Modalitäten der medizinischen Bildgebung
4.1.2. Ziele von medizinischen Bildgebungssystemen
4,1 3. Speichersysteme für medizinische Bildgebung

4.2. Radiologie

4.2.1. Methode der Bildgebung
4.2.2. Radiologische Interpretation
4.2.3. Klinische Anwendungen

4.3. Computertomographie (CT)

4.3.1. Funktionsprinzip
4.3.2. Bilderzeugung und -erfassung
4.3.3. Computertomographie. Typologie
4.3.4. Klinische Anwendungen

4.4. Magnetresonanztomographie (MRT)

4.4.1. Funktionsprinzip
4.4.2. Bilderzeugung und -erfassung
4.4.3. Klinische Anwendungen

4.5. Ultraschall: Ultrasonographie und Doppler-Ultraschall

4.5.1. Funktionsprinzip
4.5.2. Bilderzeugung und -erfassung
4.5.3. Typologie
4.5.4. Klinische Anwendungen

4.6. Nuklearmedizin

4.6.1. Physiologische Grundlagen für nukleare Studien. Radiopharmazeutika und Nuklearmedizin
4.6.2. Bilderzeugung und -erfassung
4.6.3. Arten von Tests

4.6.3.1. Szintigraphie
4.6.3.2. SPECT
4.6.3.3. PET
4.6.3.4. Klinische Anwendungen

4.7. Bildgesteuerter Interventionismus

4.7.1. Interventionelle Radiologie
4.7.2. Ziele der interventionellen Radiologie
4.7.3. Verfahren
4.7.4. Vor- und Nachteile

4.8. Die Bildqualität

4.8.1. Technik
4.8.2. Kontrast
4.8.3. Resolution
4.8.4. Rauschen
4.8.5. Verzerrung und Artefakte

4.9. Medizinische Bildgebungstests. Biomedizin

4.9.1. 3D-Bildgebung
4.9.2. Biomodelle

4.9.2.1. DICOM-Standard
4.9.2.2. Klinische Anwendungen

4.10. Strahlenschutz

4.10.1. Für radiologische Dienste geltende europäische Rechtsvorschriften
4.10.2. Sicherheit und Handlungsprotokolle
4.10.3. Radiologische Abfallbehandlung
4.10.4. Strahlenschutz
4.10.5. Pflege und Eigenschaften der Räume

Modul 5. Berechnungen in der Bioinformatik

5.1. Zentrales Dogma in der Bioinformatik und im Rechnen. Aktueller Stand

5.1.1. Die ideale Anwendung in der Bioinformatik
5.1.2. Parallele Entwicklungen in der Molekularbiologie und im Computerwesen
5.1.3. Dogmen in der Biologie und Informationstheorie
5.1.4. Informationsflüsse

5.2. Datenbanken für bioinformatische Berechnungen

5.2.1. Datenbank
5.2.2. Datenmanagement
5.2.3. Lebenszyklus von Daten der Bioinformatik

5.2.3.1. Nutzung
5.2.3.2. Modifizierung
5.2.3.3. Archivierung
5.2.3.4. Wiederverwendung
5.2.3.5. Verworfen

5.2.4. Datenbanktechnologie in der Bioinformatik

5.2.4.1. Architektur
5.2.4.2. Datenbankverwaltung

5.2.5. Schnittstellen zu Datenbanken in der Bioinformatik

5.3. Netzwerke für bioinformatische Berechnungen

5.3.1. Kommunikationsmodelle. LAN, WAN, MAN und PAN-Netzwerke
5.3.2. Protokolle und Datenübertragung
5.3.3. Netzwerk-Topologie
5.3.4. Hardware in Datacenters für Computing
5.3.5. Sicherheit, Verwaltung und Implementierung

5.4. Suchmaschinen in der Bioinformatik

5.4.1. Suchmaschinen in der Bioinformatik
5.4.2. Prozesse und Technologien von Bioinformatik-Suchmaschinen
5.4.3. Berechnungsmodelle: Such- und Approximationsalgorithmen

5.5. Datenvisualisierung in der Bioinformatik

5.5.1. Visualisierung von biologischen Sequenzen
5.5.2. Visualisierung von biologischen Strukturen

5.5.2.1. Visualisierungstools
5.5.2.2. Rendering-Tools

5.5.3. Benutzeroberfläche für bioinformatische Anwendungen
5.5.4. Informationsarchitekturen für die Visualisierung in der Bioinformatik

5.6. Statistik für die Datenverarbeitung

5.6.1. Statistische Konzepte für Berechnungen in der Bioinformatik
5.6.2. Anwendungsbeispiel: Microarrays von MARN
5.6.3. Unvollkommene Daten. Fehler in der Statistik: Zufälligkeit, Annäherung, Rauschen und Annahme
5.6.4. Fehlerquantifizierung: Präzision, Empfindlichkeit und Sensitivitäten
5.6.5. Clustering und Klassifizierung

5.7. Data Mining

5.7.1. Data Mining- und Berechnungsmethoden
5.7.2. Data Mining- und Berechnungsinfrastruktur
5.7.3. Entdeckung und Erkennung von Mustern
5.7.4. Maschinelles Lernen und neue Tools

5.8. Genetischer Mustervergleich

5.8.1. Genetischer Mustervergleich
5.8.2. Berechnungsmethoden für Sequenzalignments
5.8.3. Werkzeuge zum Mustervergleich

5.9. Modellierung und Simulation

5.9.1. Verwendung im pharmazeutischen Bereich: Arzneimittelentdeckung
5.9.2. Proteinstruktur und Systembiologie
5.9.3. Zur Verfügung stehende und zukünftige Tools

5.10. Zusammenarbeit und e-Computing-Projekte

5.10.1. Grid-Computing
5.10.2. Standards und Regeln. Einheitlichkeit, Konsistenz und Interoperabilität
5.10.3. Gemeinsame Computing-Projekte

Modul 6. Biomedizinische Datenbanken

6.1. Biomedizinische Datenbanken

6.1.1. Biomedizinische Datenbanken
6.1.2. Primäre und sekundäre Datenbanken
6.1.3. Die wichtigsten Datenbanken

6.2. DNA-Datenbanken

6.2.1. Genom-Datenbanken
6.2.2. Gen-Datenbanken
6.2.3. Datenbanken für Mutationen und Polymorphismen

6.3. Protein-Datenbanken

6.3.1. Primäre Sequenzdatenbanken
6.3.2. Sekundäre Sequenzdatenbanken und Domänen
6.3.3. Datenbanken für makromolekulare Strukturen

6.4. Datenbanken für Omics-Projekte

6.4.1. Datenbanken für genomische Studien
6.4.2. Datenbanken für Transkriptomik-Studien
6.4.3. Datenbanken für Proteomik-Studien

6.5. Datenbanken für genetische Krankheiten. Personalisierte und Präzisionsmedizin

6.5.1. Datenbanken für genetische Krankheiten
6.5.2. Präzisionsmedizin. Die Notwendigkeit der Integration von genetischen Daten
6.5.3. Extraktion von OMIM-Daten

6.6. Repositorien nach Selbstauskunft der Patienten

6.6.1. Sekundäre Nutzung der Daten
6.6.2. Der Patient bei der Verwaltung der hinterlegten Daten
6.6.3. Repositorien von Fragebögen mit Selbstauskünften. Beispiele

6.7. Offene Datenbanken von Elixir

6.7.1. Offene Datenbanken von Elixir
6.7.2. Auf der Elixir-Plattform gesammelte Datenbanken
6.7.3. Kriterien für die Auswahl zwischen Datenbanken

6.8. Datenbanken für unerwünschte Arzneimittelwirkungen (UAW)

6.8.1. Der pharmakologische Entwicklungsprozess
6.8.2. Meldung von unerwünschten Arzneimittelwirkungen
6.8.3. Datenbanken für unerwünschte Wirkungen auf europäischer und internationaler Ebene

6.9. Plan zur Verwaltung von Forschungsdaten. Daten, die in öffentlichen Datenbanken zu hinterlegen sind

6.9.1. Plan zur Datenverwaltung
6.9.2. Aufbewahrung von Daten aus der Forschung
6.9.3. Hinterlegung der Daten in einer öffentlichen Datenbank

6.10. Klinische Datenbanken. Probleme mit der Sekundärnutzung von Gesundheitsdaten

6.10.1. Repositorien von Krankenakten
6.10.2. Verschlüsselung von Daten

Modul 7. Big Data in der Medizin: Massive Verarbeitung  von medizinischen Daten 

7.1. Big Data in der biomedizinischen Forschung

7.1.1. Datengenerierung in der Biomedizin
7.1.2. Hochdurchsatz (High-Throughput-Technologie)
7.1.3. Nutzen von Hochdurchsatzdaten. Hypothesen in der Ära von Big Data

7.2. Datenvorverarbeitung bei Big Data

7.2.1. Vorverarbeitung von Daten
7.2.2. Methoden und Ansätze
7.2.3. Probleme der Datenvorverarbeitung bei Big Data

7.3. Strukturelle Genomik

7.3.1. Die Sequenzierung des menschlichen Genoms
7.3.2. Sequenzierung vs. Chips
7.3.3. Entdeckung von Variationen

7.4. Funktionelle Genomik

7.4.1. Funktionelle Annotation
7.4.2. Prädiktoren für das Risiko bei Mutationen
7.4.3. Genomweite Assoziationsstudien

7.5. Transkriptomik

7.5.1. Techniken zur Gewinnung umfangreicher Daten in der Transkriptomik: RNA-seq
7.5.2. Normalisierung von Transkriptomik-Daten
7.5.3. Studien zur differentiellen Expression

7.6. Interaktomik und Epigenomik

7.6.1. Die Rolle des Chromatins bei der Genexpression
7.6.2. Hochdurchsatzstudien in der Interaktomik
7.6.3. Hochdurchsatzstudien in der Epigenetik

7.7. Proteomik

7.7.1. Analyse der massenspektrometrischen Daten
7.7.2. Untersuchung der posttranslationalen Modifikationen
7.7.3. Quantitative Proteomik

7.8. Anreicherung und Clustering-Techniken

7.8.1. Kontextualisierung der Ergebnisse
7.8.2. Clustering-Algorithmen in Omics-Techniken
7.8.3. Repositorien für die Anreicherung: Gene Ontology und KEGG

7.9. Anwendungen von Big Data in der öffentlichen Gesundheit

7.9.1. Entdeckung von neuen Biomarkern und therapeutischen Targets
7.9.2. Prädiktoren für Risiken
7.9.3. Personalisierte Medizin

7.10. Big Data angewandt in der Medizin

7.10.1. Das Potenzial zur Unterstützung von Diagnose und Prävention
7.10.2. Die Verwendung von Algorithmen des Machine Learning in der öffentlichen Gesundheit
7.10.3. Das Problem des Datenschutzes

Modul 8. Anwendungen von künstlicher Intelligenz und dem Internet der Dinge (IoT) in der Telemedizin

8.1. Plattform für E-Health. Personalisierung des Gesundheitswesens

8.1.1. Plattform für E-Health
8.1.2. Ressourcen für eine Plattform für E-Health
8.1.3. Programm "Europa Digital". Digital Europe-4-Health und Horizont Europa

8.2. Künstliche Intelligenz im Gesundheitswesen I: neue Lösungen in Softwareanwendungen

8.2.1. Fernanalyse von Ergebnissen
8.2.2. Chatbox
8.2.3. Prävention und Echtzeit-Überwachung
8.2.4. Vorbeugende und personalisierte Medizin im Bereich der Onkologie

8.3. Künstliche Intelligenz im Gesundheitswesen II: Überwachung und ethische Herausforderungen

8.3.1. Monitoring von Patienten mit verminderter Mobilität
8.3.2. Monitoring des Herzens, Diabetes, Asthma
8.3.3. Gesundheits- und Wellness-Apps

8.3.3.1. Herzfrequenz-Messgeräte
8.3.3.2. Blutdruckmessgeräte

8.3.4. Ethik für KI im medizinischen Bereich. Datenschutz

8.4. Algorithmen der künstlichen Intelligenz für die Bildverarbeitung

8.4.1. Algorithmen der künstlichen Intelligenz für die Bildbehandlung
8.4.2. Bilddiagnose und Monitoring in der Telemedizin

8.4.2.1. Melanom-Diagnose

8.4.3. Beschränkungen und Herausforderungen der Bildverarbeitung in der Telemedizin

8.5. Anwendungen der Grafikprozessor-Beschleunigung (GPU) in der Medizin

8.5.1. Parallelisierung von Programmen
8.5.2. GPU-Betrieb
8.5.3. GPU-Beschleunigungsanwendungen in der Medizin

8.6. Verarbeitung natürlicher Sprache (NLP) in der Telemedizin

8.6.1. Medizinische Textverarbeitung. Methodik
8.6.2. Natürliche Sprachverarbeitung in Therapie und Krankenakten
8.6.3. Beschränkungen und Herausforderungen der natürlichen Sprachverarbeitung in der Telemedizin

8.7. Das Internet der Dinge (IoT) in der Telemedizin. Anwendungen

8.7.1. Überwachung der Vitalparameter. Wearables

8.7.1.1. Blutdruck, Temperatur, Herzfrequenz

8.7.2. IoT und Cloud-Technologie

8.7.2.1. Datenübertragung in die Cloud

8.7.3. Selbstbedienungs-Terminals

8.8. IoT in der Patientenüberwachung und -pflege

8.8.1. IoT-Anwendungen zur Erkennung von Notfällen
8.8.2. Das Internet der Dinge in der Patientenrehabilitation
8.8.3. Unterstützung durch künstliche Intelligenz bei der Erkennung und Rettung von Verletzten

8.9. Nanorobots. Typologie

8.9.1. Nanotechnologie
8.9.2. Arten von Nanorobots

8.9.2.1. Assembler. Anwendungen
8.9.2.2. Selbstreplikatoren. Anwendungen

8.10. Künstliche Intelligenz bei der Kontrolle von COVID-19

8.10.1. COVID-19 und Telemedizin
8.10.2. Management und Kommunikation von Entwicklungen und Ausbrüchen
8.10.3. Ausbruchsvorhersage mit künstlicher Intelligenz

Modul 9. Telemedizin und medizinische, chirurgische und biomechanische Geräte

9.1. Telemedizin und Telegesundheit

9.1.1. Telemedizin als Telegesundheitsdienst
9.1.2. Telemedizin

9.1.2.1. Ziele der Telemedizin
9.1.2.2. Vorteile und Grenzen der Telemedizin

9.1.3. E-Health. Technologien

9.2. Telemedizinische Systeme

9.2.1. Komponenten eines Telemedizinsystems

9.2.1.1. Personal
9.2.1.2. Technologie

9.2.2. Informations- und Kommunikationstechnologien (IKT) im Gesundheitsbereich

9.2.2.1. T-Health
9.2.2.2. M-Health
9.2.2.3. U-Health
9.2.2.4. P-Health

9.2.3. Bewertung von Telemedizinsystemen

9.3. Telemedizinische Technologie-Infrastruktur

9.3.1. Öffentliche Telefonnetze (PSTN)
9.3.2. Satellitennetze
9.3.3. Diensteintegrierende digitale Netze (ISDN)
9.3.4. Drahtlose Technologien

9.3.4.1. WAP. Drahtloses Anwendungsprotokoll
9.3.4.2. Bluetooth

9.3.5. Mikrowellen-Verbindungen
9.3.6. ATM Asynchroner Übertragungsmodus

9.4. Arten der Telemedizin. Anwendungen in der Gesundheitsfürsorge

9.4.1. Fernüberwachung von Patienten
9.4.2. Store-and-Forward-Technologien
9.4.3. Interaktive Telemedizin

9.5. Allgemeine telemedizinische Anwendungen

9.5.1. Telebetreuung
9.5.2. Telemonitoring
9.5.3. Telediagnose
9.5.4. Telebildung
9.5.5. Fernverwaltung

9.6. Telemedizinische klinische Anwendungen

9.6.1. Teleradiologie
9.6.2. Teledermatologie
9.6.3. Teleonkologie
9.6.4. Telepsychiatrie
9.6.5. Häusliche Pflege (Telehomecare)

9.7. Smart- und unterstützende Technologien

9.7.1. Smart Home-Integration
9.7.2. Digitale Gesundheit zur Verbesserung der Behandlung
9.7.3. Bekleidungstechnologie in der Telemedizin. "Intelligente Kleidung"

9.8. Ethische und rechtliche Aspekte der Telemedizin

9.8.1. Ethische Grundlagen
9.8.2. Gemeinsame rechtliche Rahmenbedingungen
9.8.4. ISO-Standards

9.9. Telemedizin und diagnostische, chirurgische und biomechanische Geräte

9.9.1. Diagnostische Geräte
9.9.2. Chirurgische Geräte
9.9.2. Biomechanische Geräte

9.10. Telemedizin und medizinische Geräte

9.10.1. Medizinische Geräte

9.10.1.1. Mobile medizinische Geräte
9.10.1.2. Telemedizinische Trolleys
9.10.1.3. Telemedizinische Kioske
9.10.1.4. Digitalkamera
9.10.1.5. Telemedizinische Ausrüstung
9.10.1.6. Telemedizinische Software

Modul 10. Unternehmerische Innovation und Unternehmertum im Bereich E-Health

10.1. Unternehmertum und Innovation

10.1.1. Innovation
10.1.2. Unternehmertum
10.1.3. Ein Startup

10.2. Unternehmertum im Bereich E-Health

10.2.1. Innovativer Markt für E-Health
10.2.2. Vertikale E-Health: M-Health
10.2.3. TeleHealth

10.3. Geschäftsmodelle I: Frühe Phasen des Unternehmertums

10.3.1. Arten von Geschäftsmodellen

10.3.1.1. Marketplace
10.3.1.2. Digitale Plattformen
10.3.1.3. SaaS

10.3.2. Kritische Elemente in der Gründungsphase. Von der Idee zum Unternehmen
10.3.3. Häufige Fehler bei den ersten Schritten des Unternehmertums

10.4. Geschäftsmodelle II: Canvas-Modell

10.4.1. Business Model Canvas
10.4.2. Nutzenversprechen
10.4.3. Hauptaktivitäten und Ressourcen
10.4.4. Kundensegment
10.4.5. Beziehung zu den Kunden
10.4.6. Vertriebskanäle
10.4.7. Partnerschaften
10.4.7.1. Kostenstruktur und Einnahmeströme

10.5. Geschäftsmodelle III: Lean Startup-Methodik

10.5.1. Schaffen
10.5.2. Validieren
10.5.3. Messen
10.5.4. Entscheiden

10.6. Geschäftsmodelle IV: externe, strategische und regulatorische Analyse

10.6.1. Roter Ozean und blauer Ozean
10.6.2. Wertkurve
10.6.3. Geltende Vorschriften im Bereich E-Health

10.7. Erfolgreiche Modelle im Bereich E-Health I: Wissen, bevor man innoviert

10.7.1. Analyse erfolgreicher E-Health-Unternehmen
10.7.2. Analyse von Unternehmen X
10.7.3. Analyse von Unternehmen Y
10.7.4. Analyse von Unternehmen Z

10.8. Erfolgreiche Modelle im Bereich E-Health II: erst zuhören, dann innovieren

10.8.1. Praktisches Interview CEO von Startup E-Health
10.8.2. Praktisches Interview CEO von Startup "Sektor x"
10.8.3. Praktisches Interview mit der technischen Leitung von Startup "x"

10.9. Unternehmerisches Umfeld und Finanzierung

10.9.1. Unternehmerisches Ökosystem im Gesundheitssektor
10.9.2. Finanzierung
10.9.3. Fall-Interview

10.10. Praktische Werkzeuge für Unternehmertum und Innovation

10.10.1. OSINT-Werkzeuge (Open Source Intelligence)
10.10.2. Analyse
10.10.3. No-Code-Tools für das Unternehmertum

Ein Programm für kompetente Fachleute, Spezialisten für E-Health wie Sie"