Skip to main content

2023 | OriginalPaper | Buchkapitel

Künstliche Intelligenz in der Blutprodukte-Lieferkette

verfasst von : Philipp Köbe

Erschienen in: Handbuch Digitale Gesundheitswirtschaft

Verlag: Springer Fachmedien Wiesbaden

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Der Umgang mit lebensnotwendigen Blutprodukten ist nicht nur aus Versorgungs- sondern auch aus ethischen Gesichtspunkten ein relevantes Themenfeld. Die kurze Haltbarkeit und die bedingt gute Planbarkeit stellt Anbieter und Verbraucher von Blutprodukten vor große Herausforderungen. Machine Learning könnte ein Lösungsansatz sein.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Literatur
3.
Zurück zum Zitat Rad J, Cheng C, Quinn JG, Abidi S, Liwski R, Abidi SSR, editors. An AI-Driven Predictive Modelling Framework to Analyze and Visualize Blood Product Transactional Data for Reducing Blood Products’ Discards. Artificial Intelligence in Medicine; 2020 2020//; Cham: Springer International Publishing. https://doi.org/10.1007/978-3-030-59137-3_18 Rad J, Cheng C, Quinn JG, Abidi S, Liwski R, Abidi SSR, editors. An AI-Driven Predictive Modelling Framework to Analyze and Visualize Blood Product Transactional Data for Reducing Blood Products’ Discards. Artificial Intelligence in Medicine; 2020 2020//; Cham: Springer International Publishing. https://​doi.​org/​10.​1007/​978-3-030-59137-3_​18
9.
Zurück zum Zitat Marade C, Pradeep A, Mohanty D, Patil C. Forecasting Blood Donor Response Using Predictive Modelling Approach. 2019. Marade C, Pradeep A, Mohanty D, Patil C. Forecasting Blood Donor Response Using Predictive Modelling Approach. 2019.
11.
Zurück zum Zitat Guan L, Tian X, Gombar S, Zemek AJ, Krishnan G, Scott R, et al. Big data modeling to predict platelet usage and minimize wastage in a tertiary care system. Proceedings of the National Academy of Sciences. 2017;114(43):11368–73. https://doi.org/10.1073/pnas.1714097114 Guan L, Tian X, Gombar S, Zemek AJ, Krishnan G, Scott R, et al. Big data modeling to predict platelet usage and minimize wastage in a tertiary care system. Proceedings of the National Academy of Sciences. 2017;114(43):11368–73. https://​doi.​org/​10.​1073/​pnas.​1714097114
Metadaten
Titel
Künstliche Intelligenz in der Blutprodukte-Lieferkette
verfasst von
Philipp Köbe
Copyright-Jahr
2023
DOI
https://doi.org/10.1007/978-3-658-41781-9_66

Premium Partner