• EHDS, interoperability, and the health data economy : how the Hungarian system, hospitals, private providers, pharma, medtech, and developers are preparing for it.
• Generative AI and clinical AI in practice : what we already use it for, what can be audited, what can be measured, and what can be funded.
• The hospital of the future 2.0 : AI-assisted workflows, command centers, nurse tech, automation of physician administration, and clinical decision support.
• Pharma digital and real-world evidence : beyond omnichannel: digital therapy support, patient journey management, RWE, decentralized research, and AI in drug development.
• Digital prevention and longevity : preventive screenings, wearable sensors, metabolic health, women’s health, and cardiometabolic monitoring.
• Cybersecurity, trust, and AI governance : hospital cybersecurity, vendor risk, model accountability, and data provenance.
• Startups and scale-ups: beyond the pitch : not only investment, but procurement, clinical validation, reimbursement, and export.

A szívelégtelenség az egyik legnagyobb kórházi költségterhet jelentő betegség Magyarországon. A betegségterhet meghatározó tényezők feltárása és a betegutak hatékonyabb menedzsmentje ezért kiemelt jelentőségű, amelyben az adatvezérelt epidemiológiai modellek fontos támogatást nyújthatnak.

A program a NEAK adatbázisára építve egységes és valid magyar adatokat szolgáltat a szívelégtelenség valódi terhéről. Az elemzés pontos képet ad a betegség incidenciájáról, prevalenciájáról, mortalitásáról, társbetegségekről, ill. az ezekkel összefüggő egészségügyi rendszerre gyakorolt hatásról. A vizsgálat az orvosszakma és az iparág együttműködésében, a Magyar Kardiológusok Társasága és az AstraZeneca közötti partnerségi megállapodás keretében kidolgozott módszertannal készült.

Az eredmények közvetlenül hasznosíthatók az ellátásszervezésben, valamint az egészségpolitikai és finanszírozási döntéshozatalban, továbbá hozzájárulnak a szakmai irányelvek megerősítéséhez. A kutatás első eredményeit már bemutatták a 2025-ös és 2026-os ESC és ESC HFA kongresszusokon, valamint a Magyar Kardiológusok Társaságának konferenciáján. A European Journal of Heart Failure tudományos lapban jelent meg az első nemzetközi publikáció 2026. júniusban.

Konkrét alkalmazási esetek: triázs, betegirányítás, időpont-menedzsment, a meg nem jelenések csökkentése, elbocsátástervezés, az újrahospitalizáció csökkentése, valamint krónikus betegek távoli monitorozása.

• EHDS, interoperability, and data access: who will win the era of health data?
• The hospital of the future 2.0: AI triage, command centers, and the digital patient journey
• AI in pharma: marketing tool, research engine, or operational infrastructure?
• Who is responsible for AI-driven decisions?
• Innovative healthcare industry toward 2030: who will be the winners?

• Who owns the value generated from health data? How are the roles of hospitals, universities, pharma, and digital service providers changing? What technological and public-sector minimum is needed in 2026?
• Participants: public-sector decision-maker + hospital CIO + pharma executive + healthtech platform player

• Presentation: Why it’s not the technology that fails, but the validation strategy. Health startup funding in 2026: what is the market still willing to finance, and what is no longer fundable?
• Panel: From startup to procurement, how does a digital health solution enter the healthcare system? Reimbursement-ready innovation: how to build a healthcare product today

A magánklinikák jelentős része ma úgy próbál növekedni, hogy közben nincs egységes képe saját működéséről. A páciensadatok, az időpontok, a kapacitások, az adminisztráció, a pénzügyi folyamatok és a vezetői riportok gyakran különálló rendszerekben és adatforrásokban élnek. Ennek következménye nem pusztán több adminisztráció, hanem kihasználatlan kapacitás, elvesző bevétel, lassabb döntéshozatal és nehezen azonosítható működési problémák. Az előadás azt vizsgálja, hogyan keletkeznek ezek a vezetői vakfoltok, és milyen üzleti következményekkel jár, ha egy klinika csak részleteiben látja saját működését.

Dr. Kriller Norbert bemutatja, hogyan válhat a napi működés átlátható, mérhető és irányítható rendszerré az adatok és a folyamatok egységes kezelésével. A fókusz azon van, hogyan kapcsolható össze a betegút, a kapacitásmenedzsment, a recepciós működés, az elszámolás, a pácienskommunikáció és a vezetői riporting egy közös működési logikában. Külön szó lesz arról is, hogyan segítheti az AI a klinikai és üzleti adatok gyorsabb értelmezését, valamint a vezetői döntések előkészítését.

A valódi cél nem egy újabb szoftver bevezetése, hanem annak elérése, hogy a klinika vezetése valós képet kapjon arról, hol keletkezik veszteség, hol marad kihasználatlan kapacitás, és hol van tényleges növekedési lehetőség. Az előadás konkrét működési helyzeteken keresztül mutatja be, mi változik akkor, amikor egy klinika az elszigetelt rendszerek helyett egységes, adatvezérelt működésre áll át. Végül arra ad választ, hogyan teremthető meg az a digitális működési infrastruktúra, amely a klinikai folyamatokat, az üzleti működést és a vezetői döntéstámogatást egyetlen integrált rendszerben kapcsolja össze.

Mi lenne, ha egy kutató a különböző vizsgálatokban és publikációkban szereplő minden egyes pácienst megvizsgálhatná a saját kutatási aspektusa szerint? Mi lenne, ha egy ország előre meg tudná becsülni, hogyan hat egy új terápia a saját teljes betegpopulációjára, egészen az egyes betegcsoportok szintjéig? A NEVADA Platform klinikai vizsgálatok, RWE/RWD adatok és publikált statisztikai eredmények ötvözésével, AI segítségével épít virtuális pácienspopulációkat, futtat elemzési és predikciós modelleket. A cél, hogy a különböző forrásokban rejlő tudás egy közös, páciensszintű modellezési térben váljon elemezhetővé. Ezeken a virtuális pácienseken terápiák, betegutak és alternatív klinikai szcenáriók szimulálhatók és jelezhetők előre. Megvizsgálható, hogyan alakulhat a betegség, mely betegek profitálhatnak leginkább egy terápiából, és mi történhet eltérő kezelési stratégiák mellett. Az újonnan keletkező RWE pedig folyamatosan visszacsatolható a modellekbe. A NEVADA-val az eddig különálló evidenciákból páciensszintű tudást, abból pedig lehetséges jövőket építünk.