Gesundheit digital (eBook)

Prof. Dr. habil. Robin Haring, Epidemiologe und Demograph an der EUFH Rostock und der Monash University Melbourne.

Vorwort 5
Inhaltsverzeichnis 7
Herausgeber? und Autorenverzeichnis 10
1 E-Health: Begriff, Umsetzungsbarrieren, Nachhaltigkeit und Nutzen 13
1.1 ?E-Health – digitale Vernetzung der Akteure 14
1.1.1 ?Telematik als historische Grundlage von E-Health 14
1.1.2 ?Definition von E-Health 15
1.1.3 ?E-Health-Akteure 15
1.1.4 ?E-Health-Lösungen als soziotechnisches System 16
1.2 ?Prozessmanagement als grundlegende Basis für erfolgreiche E-Health-Strategien 18
1.2.1 ?Prozessintegration durch E-Health 18
1.2.2 ?E-Health Engineering 21
1.3 ?Umsetzungsbarrieren von E-Health 22
1.4 ?Nachhaltigkeit und Nutzen von E-Health 23
1.5 ?Innovative Versorgungsmodelle durch E-Health 24
1.6 ?Fazit 25
Literatur 25
2 Big Data in Gesundheitswesen und Medizin 27
2.1 ?Einleitung 29
2.1.1 ?Big Data und dessen Analyse 29
2.1.2 ?Spezielle Herausforderungen für Big Data und maschinelles Lernen in der Medizin 30
2.1.3 ?Datenverfügbarkeit: Big Data in der Medizin und im Gesundheitswesen 32
2.2 ?Maschinelles Lernen aus Gesundheitsdaten 32
2.2.1 ?Grundlagen des maschinellen Lernens 32
2.2.2 ?Deep Learning 33
2.2.3 ?Praktische Umsetzung von maschinellem Lernen in Projekten 34
2.2.4 ?Evaluation von maschinellem Lernen 34
2.3 ?Gesundheitsbezogene Anwendungen von Big Data und maschinellem Lernen 35
2.3.1 ?Dokumentenanalyse 35
2.3.2 ?Klinische Entscheidungsunter-stützung 37
2.3.3 ?Analyse öffentlicher Datenquellen 37
2.3.4 ?Wearables und Activity Recognition 37
2.3.5 ?Intelligente Assistenten mittels Question Answering 38
2.4 ?Rahmenbedingungen 38
2.4.1 ?Datenschutz 38
2.4.2 ?Transparenz 39
2.5 ?Zusammenfassung 40
Literatur 40
3 Künstliche Intelligenz im Gesundheitswesen 44
3.1 ?Einführung 45
3.2 ?Was bedeutet künstliche Intelligenz? 46
3.2.1 ?Definition der künstlichen Intelligenz (KI) 46
3.2.2 ?Maschinelles Lernen (ML) 47
3.2.3 ?Neuronale Netze und „Deep Learning“ 48
3.2.4 ?Knowledge Graphs 49
3.2.5 ?Kognitive Systeme 49
3.2.6 ?Daten – die essenzielle Grundlage von KI 51
Volume (Volumen) 52
Velocity (Geschwindigkeit) 52
Variety (Vielfalt) 52
Veracity (Wahrhaftigkeit) 52
Value (Wert) 53
Erweiterung der Definition von Big Data 53
3.3 ?KI-Anwendungen in der Gesundheitsversorgung 53
3.3.1 ?Radiologie 53
3.3.2 ?Intelligente Triagesysteme 54
3.3.3 ?Kognitive Systeme in der Gesundheitsversicherung 55
3.4 ?Ausblick 55
3.5 ?Zusammenfassung 55
Literatur 56
4 Die Rolle von E-Mental Health am Beispiel depressiver Erkrankungen 58
4.1 ?Einleitung 60
4.2 ?Online-Diskussionsforen als digitale Informations- und Austauschangebote für Patienten und deren Angehörige 61
4.2.1 ?Charakteristiken Mental-Health-bezogener Online-Diskussionsforen 62
4.2.2 ?Wirksamkeit und positive Effekte der Nutzung von Online-Diskussionsforen 62
4.2.3 ?Risiken und negative Effekte der Nutzung von Online-Diskussionsforen 63
4.3 ?Digitale Psychotherapie- und Selbstmanagement-Programme 64
4.3.1 ?Anwendungsfelder 64
4.3.2 ?Digitale Interventionen und Online-Selbstmanagement bei Depression – was steckt drin? 65
4.3.3 ?Wirksamkeit 66
4.3.4 ?Digitale Interventionen in der Versorgung 67
4.3.5 ?Spezifische Wirkfaktoren 67
4.3.6 ?Risiken und mögliche Nebenwirkungen 68
4.4 ?Smartphone-basiertes Selbstmonitoring 69
4.4.1 ?Selbstmonitoring im Kontext depressiver Erkrankungen 69
4.4.2 ?Smartphones als Mittel des Selbstmonitorings 70
4.4.3 ?Wirksamkeit 72
4.4.4 ?Risiken und mögliche Nebenwirkungen 72
4.5 ?Zusammenfassung 73
Literatur 74
5 Der Informationsmanagementzyklus im Gesundheitswesen 78
5.1 ?Einleitung und Motivation 79
5.2 ?Informationsmanagement im Gesundheitswesen 84
5.3 ?Der Informationsmanagementzyklus 86
5.4 ?Fallbeispiel Informationsprodukt aus der neurologischen Diagnostik 89
5.5 ?Zusammenfassung und Ausblick 91
Literatur 92
6 Transfer von Digital Health in den Versorgungsalltag 94
6.1 ?Was ist Digital Health und wer sind die Treiber? 95
6.2 ?Anwendungstypen 95
6.3 ?Andersartigkeit von Digital-Health-Anwendungen 97
6.4 ?Transfer von Digital Health in den Versorgungsalltag 99
6.4.1 ?Medizinproduktezertifizierung 99
6.4.2 ?Wirksamkeitsnachweis und Nutzenbewertung 101
6.4.3 ?Vertrags- und Vergütungsformen 104
6.5 ?Transfermodell 106
6.6 ?Fazit und Ausblick 106
Literatur 108
7 Assistenz- und Servicerobotik – die Gestaltung der Mensch-Maschine-Schnittstelle als Grundlage des Anwendungserfolgs 109
7.1 ?Einleitung 111
7.1.1 ?Allgemeine Definition von Assistenz- und Unterstützungsrobotern 112
7.1.2 ?Unterstützungspotenziale robotischer Assistenzsysteme im persönlichen Lebensumfeld 113
7.1.3 ?Potenzieller Nutzen robotischer Assistenzsysteme im Heim- und Klinikbereich 114
7.2 ?Settingspezifische Unterstützungsbedarfe durch robotische Assistenzsysteme 114
7.2.1 ?Konzeptstudie für einen robotischen Alltagsassistenten im häuslichen Bereich 114
7.2.2 ?Roboter für den Klinik- und Pflegebereich 115
7.2.3 ?Diskrepanz derzeitiger Assistenzsysteme zwischen Unterstützungserwartungen und technischer Machbarkeit 118
7.3 ?Verständliche Mensch-Maschine-Interaktion als Schlüssel zur Anwenderakzeptanz 119
7.3.1 ?Anforderungen an Benutzerschnittstellen und Adaption im Entwicklungsprozess 121
7.3.2 ?Sprachsteuerung 122
7.3.3 ?Mimik- und Gestensteuerung 123
7.4 ?Intelligente Assistenten brauchen intelligente Algorithmen 123
7.4.1 ?Technische Kognition als Pendant zum menschlichen Denken 123
7.4.2 ?Kognitive Systeme als zentraler Bestandteil der Interaktion 124
7.4.3 ?Grenzen der künstlichen Intelligenz 126
7.5 ?Ausgewählte Beispiele und Perspektiven zukünftiger Assistenzsysteme 127
7.5.1 ?Staubsauger, Rasenmäher und Therapieroboter – heterogene Nutzungserfahrungen von Assistenzrobotern in verschiedenen Settings 127
7.5.2 ?Unterstützungspotenziale robotischer Therapieassistenten 129
7.6 ?Fazit und Ausblick 130
Literatur 130
8 Erfolgsfaktoren in der Digitalisierung der Gesundheitsversorgung 133
8.1 ?Die digitale Revolution der Gesundheitsversorgung 134
8.1.1 ?Veränderung durch Digitalisierung im Industrievergleich 134
8.1.2 ?Potenziale der Digitalisierung in der Gesundheitsversorgung 135
8.1.3 ?Die digitale Patient Journey der Zukunft 137
1. Erstdiagnose auf Basis der Patientenakte und initialer Tests 137
2. Konsultation eines Spezialisten mithilfe virtueller Instrumente 138
3. Behandlungsvorbereitung unter Einbezug intelligenter Bildgebung 138
4. Bildfusionsgestützte Behandlung 138
5. Folgemaßnahmen im Rahmen eines Care-Management-Programmes 138
6. Individuelles Gesundheitsmanagement durch digitale Assistenzsysteme und Wearables 138
8.1.4 ?Barrieren der digitalen Gesundheitsversorgung 138
8.1.5 ?Digitale Entwicklungsfelder in der Gesundheitsversorgung 139
8.2 ?Digitale Ökosysteme als Voraussetzung digitaler Transformation 141
8.2.1 ?Digitale Vernetzungsstrukturen im Gesundheitswesen 141
Zugriff auf Daten innerhalb einer Klinik 141
E-Health – Datenzugriff über Klinik- und Netzwerkgrenzen hinweg 142
Cloud-basierte Datenaggregation 142
8.2.2 ?Digitalisierung im Gesundheitswesen: von der Vernetzung zum Ökosystem 143
8.2.3 ?Besonderheiten digitaler Ökosysteme im Gesundheitsbereich 146
8.3 ?Fazit 149
Literatur 150
9 Digitalisierung in der Medizin: Im disruptiven Wandel wandelbar bleiben 153
9.1 ?Personalisierte Medizin – Vision wird Wirklichkeit 154
9.1.1 ?Breite Wirkung statt Präzisionsmedizin 154
Sanger sei Dank – Onkogene werden zum Target in der Präzisionstherapie 156
9.1.2 ?Das Dilemma: Big Data im Disketten-Zeitalter 156
9.2 ?Von Anfang an Vorreiter: die Onkologie 157
9.2.1 ?Krebs als eine Erkrankung der Gene 157
9.2.2 ?Hallmarks of Cancer – was macht Krebs zu Krebs? 157
Big Data: Die Nadel im Heuhaufen finden 157
Krebsentstehung nach Darwin? Durch klonale Evolution zum Tumor 158
Mutationen als Selektionsvorteil: Ungebremstes Wachstum 158
Komplex und hochindividuell 158
9.2.3 ?Stratifizierung als Kern der personalisierten Medizin 159
9.3 ?Wie aus Big Data Informationen werden – die Digitalisierung als Wegbereiter 159
9.3.1 ?Von Korrelationen zu Kausalitäten – Krebs als Sonderfall? 160
9.3.2 ?Personalisierte Medizin in der Onkologie: Warum am Ende alle profitieren 161
Für Arzt und Patient im Sinne einer Präzisionstherapie 161
Für klinische Forschung und die Entwicklung gezielter Therapieoptionen 161
Für Zulassungsbehörden und Kostenträger 163
9.4 ?Keine Scheu vor der Digitalisierung: Von Big Data zur molekularen Information 163
9.4.1 ?Digitalisierung vorantreiben, Big Data nutzen 164
9.4.2 ?Molekulare Information schaffen: Roche Foundation Medicine 164
Von ACTG zum Wegweiser – der Prozess 164
9.5 ?Die Zukunft der personalisierten Medizin ist digital 165
Literatur 167
10 Blockchain for Science and Knowledge Creation 168
10.1 ?Introduction 169
10.1.1 ?Blockchain – the Data Structure 169
10.1.2 ?Blockchain – the (R)evolution 169
10.1.3 ?Blockchain – the Database View Point 171
10.1.4 ?Blockchain Revolution – the Technical Implementations 171
10.1.5 ?Blockchain Revolution – Beyond Bitcoin 173
10.1.6 ?Blockchain Revolution – and Beyond Blockchains 174
10.2 ?Which Blockchain for Science and Knowledge Creation? 174
10.3 ?Blockchain and the Research Cycle 175
10.3.1 ?Ideas 175
10.3.2 ?Proposal 176
10.3.3 ?Experiment/Data Acquisition 177
10.3.4 ?Data Management/Analysis 178
10.3.5 ?Data Sharing 181
10.3.6 ?Publication/Archiving 181
10.3.7 ?Research Evaluation 181
10.3.8 ?Research Funding 182
10.4 ?Challenges 185
10.5 ?Conclusion 185
Literatur 186
11 E-Health und Systemmedizin – Ergebnisse aus Online-Fokusgruppen mit Experten zur Translation eines aktuellen Forschungsparadigmas 190
11.1 ?Hintergrund 192
11.2 ?Erhebungsmethode, Stichprobe und Studiendurchführung 195
11.2.1 ?Wahl der Erhebungsmethode 195
11.2.2 ?Stichprobe und Rekrutierung 197
11.2.3 ?Durchführung 199
Inhaltliche Ansteuerung der Fokusgruppen – der Leitfaden 199
Moderation 199
Forschungsethik 204
Abweichungen von der Planung 204
11.2.4 ?Auswertung 204
11.3 ?Ergebnisse 205
11.3.1 ?Big Data als Forschungsmethodologie 205
11.3.2 ?Scoring-Systeme und Systemmedizin 206
Einsatzbereiche von Scores 206
Potenziale der Systemmedizin bei der Entwicklung von Scores 207
Scores und Einzelfallvorhersagen 207
Cost-Benefit-Betrachtungen als Bestandteil von Scoring-Systemen 208
Risiken beim Einsatz von Scores und Risk Mitigation 209
11.3.3 ?Die Bedeutung der Medizininformatik für die Translation der Systemmedizin 210
11.3.4 ?Die Bedeutung der elektronischen Patientenakte für Versorgung und Forschung im Kontext der Systemmedizin 211
Begriff und Modelle der elektronischen Patientenakte 211
Translationshindernisse 212
Vorteile der elektronischen Patientenakte 212
Nachteile der elektronischen Patientenakte 214
11.3.5 ?Krankenhausinfrastrukturen und E-Health 215
Krankenhauskapazitäten und große Datenmengen 215
Barrieren für gelingende Forschungsunterstützung und Translation der Systemmedizin 215
Outsourcing von Daten 216
11.3.6 ?Verankerung von IT-Kompetenzen in der Mediziner-Ausbildung 217
11.4 ?Limitationen der Studie 217
11.5 ?Diskussion 218
11.6 ?Schluss 220
Literatur 221
12 Gesellschaftliche und ethische Folgen der digitalen Transformation des Gesundheitswesens 222
12.1 ?Einleitung 223
12.2 ?Was heißt „digitale Transformation“ des Gesundheitswesens? 224
12.3 ?Wie wandeln sich Gesundheitsvorstellungen unter der Perspektive der digitalen Transformation? 229
12.4 ?Mögliche Konsequenzen der Transformation 232
12.5 ?Fazit 235
Literatur 235
Sachverzeichnis 238