DE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|ENDE|EN

Gesundheitswesen & Life Sciences

Kausalität statt Koinzidenz.

Den ganzen Patienten im Blick.

ObjectAnalytics™ bündelt die gesammelte Erfahrung von Millionen Patienten. Der CausalDiscoverer macht daraus kausale Erkenntnisse – direkt verfügbar für Klinik und Forschung.

Die Herausforderung

Die Zukunft der Medizin steckt in Real-World Data.
Klassische Analysen stoßen hier an ihre Grenzen.

01 · Fragmentiert

Verteilt über Systeme und Zeit

Diagnosen, Medikation, Laborwerte und Behandlungen liegen in getrennten Tabellen – verteilt über Jahre.

02 · Verzerrt

Korrelationen, die wie Effekte aussehen

Verborgene Störfaktoren lassen Zusammenhänge kausal erscheinen – und verdecken die wahren Ursachen.

03 · Hypothesengebunden

Sie finden nur, was Sie erwarten

Klassische Studien prüfen, was man ohnehin vermutet. Blackbox-KI kann nicht erklären, warum.

Der Xplain Data Ansatz

1

ObjectAnalytics

vereint die gesamte Krankengeschichte jedes Patienten in einer 360°-Sicht.

2

CausalDiscoverer

durchleuchtet, was Ihre Ergebnisse wirklich treibt – ganz ohne Hypothesen und bereinigt um Störfaktoren.

Schritt 1 · ObjectAnalytics

Jeder Patient.
Ein Leben voller Ereignisse.
Ein Objekt.

ObjectAnalytics führt die komplette Historie jedes Patienten in einem ganzheitlichen Objekt zusammen – chronologisch korrekt und quellenübergreifend. So sieht Ihre Kausalanalyse, was flache Zeilen und Spalten niemals zeigen: das Gesamtbild jedes Patienten.

Patentierte Technologie

Schritt 2 · CausalDiscoverer

Vom flachen Schatten zur vollständigen Tomographie.

Wie ein CT statt eines einfachen Röntgenbilds: Der CausalDiscoverer analysiert das Patientenobjekt aus Millionen Blickwinkeln und erstellt den kausalen Graphen direkt aus Ihren Daten.

01

Verborgene Störfaktoren aufdecken

Durchsucht das gesamte Patientenobjekt – ohne manuelles Feature Engineering – und bringt Störfaktoren ans Licht, nach denen niemand gesucht hätte.

02

Millionen kausale Faktoren testen

Ganz ohne Hypothese: Jeder mögliche Faktor wird getestet und um Störfaktoren bereinigt. So finden Sie Einflussfaktoren, die Sie nie vermutet hätten.

03

Die gesamte Wirkungskette sehen

Alle Faktoren und Störfaktoren fließen in einem Graphen zusammen – und zeigen, wie sich die Zielgröße kausal entwickelt.

Live erleben

Von Intensiv-Daten zum kausalen Graphen.

Schritt für Schritt durch eine Live-Analyse: CausalDiscoverer analysiert MIMIC-IV-Daten, um die wahren Ursachen von Dekubitus (HAPI) aufzudecken.

Beispiel aus MIMIC-IV · 3 Min. (Video auf Englisch)

Praxiserprobt

Insight Health
64 Mio.+analysierte Patienten

ObjectAnalytics bildet das Fundament der Patient Insights Analytics (PIA) von Insight Health: Die bundesweite Pharma-Plattform deckt ca. 77 % der gesetzlich Krankenversicherten in Deutschland ab.

Longitudinale Patientenpfade bis zu fünf Jahre
Persistenz, Therapiewechsel & Komedikation auf Enterprise-Niveau
Julia Reinermann, AOK NordWest
Julia Reinermann
Spezialistin Dashboard und Visualization Designer
AOK NordWest
AOK

Mit ObjectAnalytics können wir die Versorgung ganzheitlich über alle Leistungsbereiche hinweg analysieren. Keine andere Technologie hat uns einen vergleichbaren Gesamtblick auf unsere Versicherten ermöglicht.”

Versorgung sektorenübergreifend analysiert
Ein 360°-Blick auf alle Versicherten
Vorgestellt auf der ISPOR 2026 · Poster MSR72

Object-Centric Causal Discovery in MIMIC-IV

Xplain Data mit University of Utah & Boise State University: Hypoalbuminämie als möglichen Upstream-Treiber von Dekubitus (HAPI) identifiziert – automatische Entdeckung etablierter Risikofaktoren ohne manuelles Feature Engineering.

Komplexe Gesundheitsdaten nutzen.
Medizinischen Fortschritt
beschleunigen.

Wie macht Causal AI die echten Treiber von Patient Outcomes sichtbar?