Gesundheit digital

Die Digitalisierung ist Enabler und gleichzeitig Herausforderung im derzeitigen gesellschaftlichen Wandel. E-Health befasst sich dabei mit den Potenzialen der Digitalisierung in der Gesundheitsversorgung. Während die Diffusion in die Kernbereiche der Gesundheitsversorgung bislang zögerlich anlief, treten zunehmen neue technische Lösungen, Akteure und Geschäftsmodelle in den Markt ein. Der vormals technische Fokus digitaler Innovationen weicht zunehmend einer gesamtheitlichen, erfolgsversprechenden Perspektive. Die geschäftsmodellorientierte Sicht mit der Integration der Akteure bildet ein wesentliches Fundament. E-Health erfordert ein ganzheitliches Prozessmanagement zur Planung, Steuerung und Kontrolle digital gestützter (Versorgungs-)Prozesse. Bei der Gestaltung dürfen auch limitierende Faktoren, wie der Datenschutz, nicht unberücksichtigt bleiben. Der Nutzen entfaltet sich langsam durch Integration innovativer E-Health-Anwendungen in die Versorgung, und auch die Rahmenbedingungen – wie etwa die Abschaffung des Fernbehandlungsverbotes – bieten zunehmend günstigere Voraussetzungen.

In Medizin und Gesundheitswesen sind immer größere Mengen immer vielfältigerer Daten verfügbar, die zunehmend schneller generiert werden. Dieser allgemeine Trend wird als Big Data bezeichnet. Die Analyse von Big Data mit Methoden des maschinellen Lernens führt zur Entwicklung innovativer Lösungen, die neue medizinische Einsichten generieren und die Qualität und Effizienz im Gesundheitssystem erhöhen können. Prototypische Beispiele existieren im Bereich der Analyse klinischer Texte, der klinischen Entscheidungsunterstützung, der Analyse von Daten aus öffentlichen Datenquellen oder Wearables und in Form der Entwicklung persönlicher Assistenten. Diese Potenziale bringen aber auch neue Herausforderungen im Bereich Datenschutz und in der Transparenz bzw. Nachvollziehbarkeit der Ergebnisse für den medizinischen Experten mit sich.

Es ist offensichtlich, dass künstliche Intelligenz einen positiven Einfluss auf die Gesundheitsversorgung der Patienten und Bürger haben wird. Jedoch stellt sie auch große Herausforderungen dar: Der Gesundheitssektor wie auch die Gesellschaft hinken anderen Industrien hinterher, wenn es sich um die Verarbeitung und den Nutzen von „Big Data“ handelt. Unermessliche Datenquellen bleiben unangetastet und ihr Potential wird nicht für die Gesundheitsversorgung genutzt. Ein technischer Lösungsansatz ist die künstliche Intelligenz (KI), um Daten zu verarbeiten, Informationen, Erkenntnisse und Zusammenhänge herstellen zu können, damit die medizinische Versorgung nachhaltig gestaltet werden kann. Jedoch besteht viel Unsicherheit in der Bevölkerung und in den medizinischen Fachdisziplinen, was KI ist, was sie kann und wo die wirklichen Risiken der KI liegen. In diesem Kapitel soll Transparenz geschaffen werden, um KI zu definieren, aufzuzeigen, auf welcher Datenbasis gearbeitet werden kann und wo KI wirklich Nutzen in der Medizin bringen kann und wird. Am Ende sind jedoch Gesellschaft und Politik gefragt, um die Rahmenbedingungen für Big Data und KI-Plattformen zu schaffen. Standardisierung und Qualitätssicherung sind notwendig, um ein Ökosystem zu etablieren und nicht zuletzt muss sich die Gesellschaft auch ethischen Fragen stellen.

Längst hat die Digitalisierung auch Eingang in die Gesundheitsversorgung psychisch Kranker gefunden, wo entsprechende Ansätze unter dem Begriff E-Mental Health zusammengefasst werden. In diesem Kapitel sollen exemplarisch E-Mental-Health-Angebote für Menschen mit depressiven Störungen vorgestellt werden, da Depressionen aufgrund ihrer Häufigkeit und Schwere sowie auch wegen bestehender Versorgungsdefizite zu den Erkrankungen mit dem größten Optimierungsspielraum zählen und hier digitale Angebote wichtige Ergänzungen zur Leitlinienbehandlung bieten können. Am Beispiel von drei konkreten Anwendungsbereichen (Online-Diskussionsforen, Digitale Psychotherapie- und Selbstmanagement-Programme sowie Smartphone-basiertes Selbstmonitoring) sollen Chancen, aber auch mögliche Risiken und Nebenwirkungen dieser E-Mental-Health-Angebote diskutiert werden.

Mit der zunehmenden Digitalisierung des Gesundheitswesens und dem dadurch steigenden Einsatz von Verfahren wie maschinellem Lernen und künstlicher Intelligenz gehen komplexe Herausforderungen in sämtlichen Bereichen des Informationsmanagements und damit verbundener Applikationen einher, die von der initialen Datenakquise bis zur interaktiven Visualisierung reichen: Wie lassen sich heterogene und verteilt vorliegende Datensätze automatisiert in einen konsolidierenden Datenbestand überführen und für Lernverfahren nutzbar zu machen? Wie müssen Entscheidungsunterstützungssysteme gestaltet sein, um einen echten Mehrwert für Nutzer in Diagnose und Therapie zu generieren? Welche Algorithmen ermöglichen eine hohe Transparenz für medizinisches Fachpersonal, damit Prädiktionen nicht aus einer „Black Box“ kommen und die Nachvollziehbarkeit gewährleistet ist? Der Informationsmanagementzyklus (IMZ) adressiert obige Herausforderungen bzw. Fragestellungen und stellt dabei stets den (medizinischen) Informationsnutzer (z. B. Patient, Arzt, Therapeut) und ein zu generierendes Informationsprodukt in das Zentrum der Betrachtung. Er ist in vier zyklisch miteinander verbundene und überlappende Phasen unterteilt: Bedarfserhebung, Integration, Aufbereitung und Bereitstellung. In diesem Kapitel diskutieren wir sowohl das Informationsmanagement als auch den IMZ anhand eines praktischen Beispiels aus der medizinischen Diagnostik und stellen dabei sowohl Lösungsansätze und Herausforderungen als auch Fallstricke in der tatsächlichen Implementierung vor.

Digital Health hat aus Public-Health-Perspektive ein erhebliches Potenzial für die Versorgung kranker Menschen. Jedoch richten sich die Angebote bislang primär an Gesunde Menschen und den zweiten Gesundheitsmarkt. Eine Verordnung durch Ärzte, Erstattung durch Krankenkassen und Integration in den Versorgungsalltag des ersten Gesundheitsmarktes ist noch kaum gegeben. Ursachen liegen in der Andersartigkeit von Digital Health im Vergleich zu bestehenden Leistungsbereichen der gesetzlichen Krankenversicherung. Im Folgenden werden die wesentlichen Hürden wie Medizinproduktezertifizierung, Wirksamkeitsnachweis und Nutzenbewertung sowie Vertrags- und Vergütungsformen analysiert. Und es werden spezifische Lösungsvorschläge aufgezeigt für den Umgang mit den Hürden z. B. über zugeschnittene Qualitätsmanagementsysteme, adaptive Studiendesigns und prospektive Health Technology Assessments. Integriert in ein Transfermodell bieten diese einen schnellen, agilen und sicheren Weg in den ersten Gesundheitsmarkt.

Ausgehend davon, dass aufgrund der demographischen Entwicklung Betreuung und Pflege durch Menschenhand nur sehr schwer gewährleistet werden kann oder hilfebedürftige Personen technische Hilfsmittel bevorzugen, hat das Anwendungsfeld Assistenz- und Servicerobotik (ASR) im Zusammenhang mit der Digitalisierung in Milieus, in denen Menschen eine direkte Unterstützung in ihren Lebensbereich benötigen, stark an Interesse gewonnen. Obwohl die Idee eines universell einsetzbaren Roboters in Karel Čapeks Schauspiel „Rossums Universal-Roboter“ bereits fast 100 Jahre alt ist, erreichen die technischen Möglichkeiten im Zuge der Digitalisierung erst jetzt ausreichend Kapazitäten, um in komplexen Anwendungsszenarien wie beispielsweise im eigenen Haus dienlich zu sein. Aber können aktuelle Robotersysteme trotz des raschen Fortschritts die Bedarfe in komplexen Umfeldern wie der ambulanten Pflege, stationären Pflegeeinrichtungen und Krankenhäusern in der nahen Zukunft bedienen? Welche Engpässe müssen noch bewältigt werden? Welches Verhalten und welchen Umgang erwarten potenzielle Nutzer von ihren Begleitern? Der vorliegende Beitrag soll Gedanken und Aspekte zu diesen Fragen aufzeigen.

Die Digitalisierung stellt eine der wichtigsten technologischen Veränderungen unserer Zeit dar, die unabhängig von der jeweiligen Industrie einen grundlegenden Wandel von bisherigen Aktivitäten, Prozessen und Geschäftsmodellen hervorbringt. Vor allem in der Gesundheitsversorgung werden digitale Innovationen die Art und Weise verändern, in der bislang Leistungen für Patienten erbracht wurden. Die Digitalisierung birgt große Potenziale, stellt jedoch alle beteiligten Akteure auch vor neue Herausforderungen. Eine mögliche Lösung für die erfolgreiche Umsetzung der digitalen Transformation in der Gesundheitsversorgung stellt der Aufbau eines digitalen Ökosystems dar. Auf digitale Ökosysteme wird nicht nur in der Gesundheitsindustrie gesetzt, jedoch weisen sie in dieser Industrie zahlreiche Besonderheiten auf. Dies ist vor allem der Tatsache geschuldet, dass es um die Sammlung, Verarbeitung und Nutzung digitaler Patientendaten geht, welche strengen datenschutzrechtlichen Regularien unterliegen. Bei der Umsetzung wird der Einsatz offener Plattformen, wie man sie aus dem Konsumgüterbereich kennt, zur Vernetzung aller Stakeholder und zur Förderung digitaler Innovationen eine enorm wichtige Rolle spielen.

Bildgebung, Histologie, Laborbefunde, Verschreibungen, Gensequenzierung und vieles mehr schaffen in der Onkologie eine Datenmenge, die alle Charakteristika von „Big Data“ erfüllt und immense Herausforderungen an ihre Nutzung und Verarbeitung stellt. Bis vor wenigen Jahren fehlten die technischen Möglichkeiten, um aus Volumen und Vielfalt dieser Daten klinisch relevante Informationen ziehen zu können. „Intelligente Digitalisierung“ ist aber Voraussetzung, um personalisierte Medizin breit nutzen zu können, in der Onkologie ebenso wie in anderen Krankheitsgebieten. Die intelligente Vernetzung von Informationen aus Diagnostik, Behandlungspraxis, zielgerichteten Arzneimitteln und Lebensstil verändert sowohl die medizinische Versorgung als auch die akademische und industrielle Forschung. – Dazu müssen wir selbst wandelbar bleiben und die dazu notwendigen Kompetenzen erwerben, um diesen Transformationsprozess mitgestalten und nutzen zu können. Strategische Kooperationen und Akquisitionen im Feld der Health-IT sind für die pharmazeutische Industrie von besonderer Bedeutung, um die Kernkompetenzen Pharma- und Diagnostik zu ergänzen.

Die Systemmedizin stellt unter den aktuellen biomedizinischen Forschungsansätzen einen der wichtigsten Treiber von E-Health dar. Das Spektrum der IT-Werkzeuge, -Technologien, -Methoden und -Strategien, die durch die Systemmedizin in spezifischer Weise gebündelt werden, reicht dabei von „Dauerposten“ der digitalen Agenda wie der elektronischen Patientenakte über „Big Data“ bis hin zu verbesserten Risikovorhersagemodellen. Vor diesem Hintergrund präsentiert das Kapitel Ergebnisse aus Online-Fokusgruppen, die mit Experten zum Konzept und zur Translation der Systemmedizin durchgeführt wurden. Die Ergebnisse zeigen, dass eine Vielzahl von E-Health-Themen als relevant für die Erfolgschancen der Systemmedizin eingestuft wird und viele Experten der Systemmedizin insbesondere einen Beitrag zur Entwicklung neuartiger Scores zutrauen. Hinsichtlich der normativ brisanten Fragen, ob a) solche neuen Scores zur echten Einzelfallprädiktion herangezogen werden können und sollten und ob b) in automatisch generierten Therapieempfehlungen auch Daten zur Cost-Performance-Relation eingehen dürfen, besteht unter den Experten indes Dissens.

Die Digitalisierung des Gesundheitswesens hat weitreichende gesellschaftliche und ethische Folgen. Der Beitrag entwickelt in diesem Kontext drei Problemstellungen. 1. Was heißt „digitale Transformation“ des Gesundheitswesens? Besondere Berücksichtigung erfahren hier der sogenannte „Todesalgorithmus“ und die Selbstvermessung. 2. Wie wandeln sich Gesundheitsvorstellungen unter der Perspektive der digitalen Transformation? Dieser Abschnitt gibt einen kurzen Abriss des Wandels und geht u. a. der Frage nach, wie sich die Digitalisierung auf das Verhältnis von Leib und Körper auswirkt. 3. Was sind die möglichen Konsequenzen der digitalen Transformationen des Gesundheitswesens? Im Zentrum stehen hier die Entmündigungs- und Ermächtigungstendenzen, die mit der Digitalisierung einhergehen.