Thumbnail Image
Publication

Künstliche Intelligenz zur diagnostischen Unterstützung ausgewählter seltener lysosomaler Speichererkrankungen: Ergebnisse einer Pilotstudie.

Sieg, Anna-Lena
; 
Anibh, Martin
; 
Muschol, Nicole Maria
; 
Köhn, Anja
; 
Lampe, Christina
; 
Kortum, Xiauwei
; 
Mehmecke, Sandra
; 
Blöß, Susanne
; 
Lechner, Werner
; ... show 1 more
Citations
Altmetric:
Advisors
Editors
Other Contributors
Issue Date
2019-02-10
Submitted date
Show all metadata
Files
Thumbnail Image
original manuscript
Adobe PDF, 305.51 KB
Thumbnail Image
supplement-questionaire for parents
Adobe PDF, 457.67 KB
Thumbnail Image
figure 1
JPEG, 56.75 KB
Thumbnail Image
figgure 2
JPEG, 26.55 KB
Thumbnail Image
figure 3
JPEG, 177.06 KB
Other Titles
Abstract
Hintergrund: Die Diagnosestellung einer seltenen Stoffwechselerkrankung stellt eine Herausforderung für Familien und betreuende Ärzte dar. Um den Weg zur Diagnose zu unterstützen, wurde ein diagnostisches Werkzeug entwickelt, welches die Erfahrungen Betroffener nutzt.
Citation
Klin Padiatr. 2019 Jan 10. doi: 10.1055/a-0816-5681
Affiliation
HZI,Helmholtz-Zentrum für Infektionsforschung GmbH, Inhoffenstr. 7,38124 Braunschweig, Germany.
Publisher
Thieme
Journal
Klinische Pädiatrie
URI
http://hdl.handle.net/10033/621674
DOI
10.1055/a-0816-5681
PubMed ID
30630212
PubMed Central ID
Additional Links
Embedded video
Type
Article
Language
de
Description
Series/Report no.
ISSN
0300-8630
EISSN
ISBN
ISMN
Gov't Doc #
Sponsors
License
Attribution-NonCommercial-ShareAlike 4.0 International
cbn
Collections
publications of the research group cellular proteom research (CPRO)