Big-Data-Lösungen für das europäische Gesundheitswesen
Um die vier Ziele der so genannten 4-Säulen- bzw. Quadruple-Aim-Strategie zur Verbesserung des Gesundheitswesens zu erreichen, d. h. bessere Patientenerfahrungen, bestmöglicher Gesundheitsstatus, bessere Arbeitsbedingungen und Senkung von Pflegekosten, bieten Big-Data-Technologien vielfältigste Möglichkeiten. Die Kombination von KI und Big Data kann Entscheidungsprozesse vereinfachen, die betriebliche Effizienz verbessern und das Selbstmanagement von Krankheiten durch personalisierte Informationen und Beratung unterstützen. Um zu greifen, müssen diese Lösungen allerdings in medizinische und pflegerische Arbeitsabläufe sowie das Patientenselbstmanagement integriert werden. „Diese Technologien können die patientenorientierte Versorgung nur dann wirksam unterstützen, wenn sie mit fundierten klinischen Daten kombiniert werden. Die Strategie von BigMedilytics fokussiert daher auf Angehörige der Gesundheitsberufe und Patienten“, sagt Projektleiter Supriyo Chatterjea vom Unternehmen Philips, dem Projektkoordinator. Der BigMedilytics Blueprint wurde basierend auf Big-Data-Technologien in 12 krankenhausinternen Pilotprojekten gemeinsam mit 11 europäischen Krankenhäusern entwickelt. Auf der interaktiven Webseite beschreibt er technische und nicht-technische Aspekte der Integration für verschiedenste Anwendungsfälle. Das Verfahren wurde im Rahmen eines Pilotprojekts bereits im Notfallzentrum des Universitätsklinikums Frankfurt zur Optimierung der Patientenaufnahme eingesetzt. Die Arbeit der Projektgruppe trug auch dazu bei, die Gesetzgebung zum Schutz gesundheitsbezogener Daten in Spanien anzupassen. In den Niederlanden schließlich wurden Projektinhalte in Lehrpläne zur Ausbildung im Bereich Gesundheitsmanagement aufgenommen.
Durchführung von Pilotprojekten in Krankenhäusern
Die 12 Pilotprojekte, die die Basis für die Integration spezifischer Aspekte des BigMedilytics Blueprint darstellten, deckten drei medizinische Bereiche ab: Bevölkerungsgesundheit, Onkologie und Industrialisierung des Gesundheitssektors. In einem der Pilotprojekte mit Schwerpunkt Komorbiditäten wurde demonstriert, wie durch Auswertung von Nachsorgedaten von 5 Millionen Fällen über den Zeitraum von fünf Jahren Risikopersonen identifiziert werden können, die für eine Sekundärversorgung in Frage kommen. Diese Informationen können hausärztliche Entscheidungen über eine Überweisung zur klinischen Nachbehandlung vereinfachen. In ähnlicher Weise demonstrierte ein Pilotprojekt zu Prostatakrebs, wie wichtig kombiniertes Fachwissen im Bereich Urologie, Radiologie, Pathologie und sogar Finanzierung ist. Über KI-Analysen können dann kurz- und langfristige Behandlungsprognosen erstellt und der voraussichtliche Nutzen gegen Nebenwirkungsrisiken abgewogen werden. Ein weiteres Pilotprojekt setzte Echtzeit-Ortungssysteme (real-time locating systems, RTLS) ein, um medizintechnische Geräte in Krankenhäusern schneller auffinden zu können (z. B. Infusionspumpen). Dies ergab für den Pflegedienst eine durchschnittliche Arbeitszeiteinsparung von 30 Minuten pro Schicht, die sonst für die Suche nach Geräten aufgewendet wird. Mit derselben RTLS-Technologie konnte das Krankenhaus erstmals die Nutzungsauslastung solcher mobilen Geräte einschätzen – eine wichtige Informationsgrundlage für die künftige Investitionsplanung. „Die COVID-Pandemie lieferte BigMedilytics das ideale Szenario zur betriebswirtschaftlichen Beurteilung einer Investition. Telemedizin ermöglicht die medizinische Fernüberwachung, wenn kein regelmäßiger Krankenhausbesuch möglich ist. KI und Big-Data-Techniken wiederum liefern die erforderlichen Daten, wenn es um medizinische Behandlungsoptionen geht“, ergänzt Chatterjea.
Herausforderungen jenseits technischer Aspekte
Die IT-Infrastruktur von Krankenhäusern/Gesundheitssystemen ist aus technischer Sicht noch eher fragmentiert, was die Skalierung von Big Data in Europa erschwert. Problematisch ist zudem die Sicherung der Datenqualität, da Algorithmen durch Eingabefehler fehlerhafte Berechnungen ausführen. „Über die technische Perspektive hinaus brauchen wir einen Verhaltenskodex mit aktualisierten und konsistenten Leitlinien. Derzeit existiert keine EU-weit einheitliche Definition für personenbezogene Daten, was die Weiterverwendung gesundheitsbezogener Daten begrenzt, die auch durch die Datenschutz-Grundverordnung (DSGVO) noch weiter eingeschränkt wird“, erklärt Chatterjea. Auch Gesundheitsdienstleister müssen von der Nutzung von Big Data noch überzeugt werden. Hier zeigen mehrere der Pilotprojekte, wie wichtig Programme zur Veränderung von Managementprozessen sind, um Hürden wie fehlende Ausbildung oder mangelndes Vertrauen auszuräumen. Da der Blueprint von den Konsortiumpartnern und Gesundheitsdienstleistern weiterhin angewendet wird, kann BigMedilytics auch längerfristig positiv nachwirken.
Schlüsselbegriffe
BigMedilytics, künstliche Intelligenz, Big Data, Diagnostik, Gesundheitswesen, Prostatakrebs, Behandlung, Krankenhäuser, COVID, Patient, DSGVO