DIVISION — DATA ANALYTICSEDGE-AI · ZERO-RETENTION

Digital Health Screening & Clinical In-Silico-Lösungen.

Drei klinische Anwendungen auf einer gemeinsamen Engine: Edge-KI, epidemiologisches Risikomodelling, 100 % clientseitige Datenverarbeitung ohne Serverübertragung von Patientendaten.

4.2 M

Modellparameter

< 40 ms

Inferenz auf Gerät

Patientendaten auf Servern

118

Zitierte Publikationen

Edge-KIClient-Side ComputeNull-RetentionDSGVO Art. 9

03 · Data Analytics LabENGINE STACK · v4.2

Ein Labor, das auf dem Endgerät rechnet.

Die Triade teilt eine Architektur: Eingaben werden im Browser verarbeitet, Modelle laufen als WebGL-/WASM-Kernels, Ergebnisse bleiben lokal. Was das Labor von einer Website unterscheidet, ist die Rückverfolgbarkeit: Jede Zahl trägt eine Quelle, jede Aussage eine statistische Konfidenz.

100 % CLIENT-SIDE PRIVACYDSGVO ART. 9PRISMA 2020ESC 2024

0,0 M

Modellparameter

< 40 ms

Inferenz auf Gerät

Patientendaten auf Servern

Zitierte Publikationen

TECHNISCHES DATENBLATT3 APPS / GEMEINSAME ENGINE

PARAMETER	CardioAwareLive	OncoAwareBeta	GutAwareLive
Kernmodell	Framingham / ESC 2024	Gradient-Boosting Trajektorie	Pfad-Score SCFA
Eingabe	Blutdruck, Lipide, Lebensstil	Symptomtagebuch, Marker	Fragebogen, optional Stuhlmarker
Ausgabe	10-J-Risiko, Gefäßalter	Trajektorie, Synergieindex	SCFA, Barrier-Score
Speicherort	localStorage (Gerät)	localStorage (Gerät)	localStorage (Gerät)
Netzwerkverkehr	Modell-Payload, 1×	Modell-Payload, 1×	Modell-Payload, 1×
Regulatorik	MDR I · DSGVO Art. 9	MDR I · DSGVO Art. 9	MDR I · DSGVO Art. 9
LAUNCH	cardioaware.lavahealth.de	oncoaware.lavahealth.de	gutaware.lavahealth.de

Eingabe im Browser

Kein Formular-POST, kein Backend-Endpoint für Patientendaten.

Kein Serverkontakt

Inferenz läuft vollständig im Tab; Schließen löscht den Zustand.

Zero-Retention

Keine Analytics-SDKs, keine Drittanbieter-Profile, keine Cookies für die Berechnung.

Interpretierbarkeit

SHAP-Beiträge und Sensitivitätsanalyse für jeden ausgegebenen Score.

Nur in diesem Browser — MODELL WIRD EINMALIG GELADEN, DATEN WERDEN NIE ÜBERTRAGEN

02 · Triade3 MODULES / 1 ENGINE

Digital Health Screening & Clinical In-Silico-Lösungen.

Drei klinische Anwendungen auf einer gemeinsamen Engine: Edge-KI, epidemiologisches Risikomodelling, 100 % clientseitige Datenverarbeitung ohne Serverübertragung von Patientendaten.

Edge-KIClient-Side ComputeNull-RetentionDSGVO Art. 9

APP-01 — cardioaware.lavahealth.deLive

CardioAware

Framingham Risk Algorithmus · ESC 2024

Kardiovaskuläre Risikostratifizierung & Gefäßalter

Nicht-invasive Biometrie (Blutdruck, Lipidprofil, Lebensstilindizes) wird clientseitig in ein 10-Jahres-Risiko übersetzt. Der dynamische Herzalter-Visualisierer zeigt, welche Lebensstilmodifikation welchen Effekt hat, bevor sie umgesetzt wird.

Dynamischer Herzalter- vs. Chronologenalter-Visualisierer
Primärprävention mit Simulationsrecoil für Lebensstileingriffe
Lipid- und Blutdruckprofil ohne Serverkontakt verarbeiten

Next.jsClient-Side ComputeDSGVO Art. 9 Zero-Data-RetentionESC 2024 Framework

HerzalterSystolisch ↑

SYS. BLUTDRUCK141 mmHgLEBENSALTER52 J.

Herzalter

56 Jahre

CHRONOLOGISCH

52 Jahre

Δ +4 Jahre−10 mmHg → −0.5 pp

Launch CardioAware

APP-02 — oncoaware.lavahealth.deBeta

OncoAware

ML-Trajektorienmodell · PRISMA-konformer Evidenzpipelines

Onkologische Supportivtherapie & Biomarker-Monitoring

Maschinelle Vorhersage von Supportivinterventionen, Tracking der Schlaf-Entzündung-Energie-Achse und ein Score für adjuvante Nährstoff-Wirkstoff-Interaktionen, mit Synergieindex für begleitende botanische Therapien.

TrajektorieW 06/12

FATIGUE

NEURO-INFL.

SCHLAF

Multi-Symptom-Trajektorien: Fatigue, Neuroinflammation, Schlafqualität
Evidenzbasierender Synergieindex komplementärer Botanicals
Interaktive Nutzen-Risiko-Matrix für Supportivprotokolle

Predictive ML ModelsPRISMA-Compliant PipelineDecentralized Storage

Access OncoAware Engine

APP-03 — gutaware.lavahealth.deLive

GutAware

In-silico-Pfadanalyse · SCFA-Synthesepropensity · Endotoxin-Mapping

Mikrobiom-Diversität & Darm-Hirn-Metabolismus

Faser-Mikrobiom-Metabolitvorhersage, Barrier-integrität und Translokationsrisiko sowie personalisierte Pre-/Postbiotik-Zielvorgaben, berechnet aus Fragebogen und optionalen Markerwerten am Gerät.

Diversität2.94 H′

TÄGLICHE BALLASTSTOFFE26 g

ACETAT

13.7

PROPIONAT

5.3

BUTYRAT

4.2

SCFA-GESAMT23.2 mM

BARRIER-RISIKO 43/100BUTYRAT ≥ 4.6 mM

Faser-Mikrobiom-Metabolitvorhersage (Butyrat, Propionat, Acetat)
Barrier-integrität & Endotoxin-Translokations-Risikoscore
Personalisierte Pre- und Postbiotik-Empfehlungen

Microbiome Metagenomic ModelsBiomarker MappingEdge Analytics

Explore GutAware

< 40 ms

Inferenz auf Gerät

WebGL / WASM Kernel · Framingham · XGBoost

Patientendaten auf Servern

Nur in diesem Browser

Zitierte Publikationen

PubMed · DOI · PRISMA 2020

VerarbeitungspipelineCLIENT-SIDE ONLY

01
Eingabe
Biometrie, Fragebogen, Marker
02
Normalisierung
LOCF · Altersstandardisierung
03
Inferenz
Gradient-Boost / Framingham-Kern
04
Interpretation
SHAP · Sensitivitätsanalyse
05
Ausgabe
Score, Trajektorie, Quellenangabe

Klinisches Datenlabor

05 · RegulatorikCOMPLIANCE MATRIX · REV. 2026.01

Nachvollziehbarkeit ist kein Feature. Sie ist die Voraussetzung.

ISO/IEC 27001

Informationssicherheits-Managementsystem, Ausrichtung 2024

DSGVO Art. 9

Gesundheitsdaten: Zero-Data-Retention, clientseitig

EFSA

Health-Claims-Verordnung (EG) Nr. 1924/2006 eingehalten

PubMed / DOI

Jede Behauptung mit Primärquelle verlinkt

MDR-Scoping

Risikoklasse I: Software-as-a-Medical-Device geprüft

PRISMA 2020

Systematische Evidenzsynthese, vollständig protokolliert

Kein Inhaltsbereich dieses Auftritts enthält Heilversprechen. Alle klinischen Aussagen sind als Supportiv- oder Präventionsinformation gekennzeichnet.

MDR & GOVERNANCE MATRIX→