Vernetzung von Gesundheitsdaten

Im Gesundheitswesen fallen viele Daten an. Sie zu vernetzen, bietet neue Chancen.

Stellen Sie sich einmal folgende Situation vor: Sie fühlen sich nicht gut und schleppen sich zum Arzt. Wie üblich werden Ihr Blutdruck und Ihre Temperatur gemessen, eine Blutuntersuchung durchgeführt und die Ergebnisse in Ihre Akte eingetragen. Aber dann stellt der Arzt Ihnen nicht die üblichen Fragen, die Sie schon viele Male beantwortet haben. Stattdessen ruft er mit einem Knopfdruck Ihre gesamte Patientenhistorie auf – all ihre bisherigen Testergebnisse, Ihr Risikoprofil für erbliche und lebensstilbedingte Krankheiten und auch Erkenntnisse der jüngsten, relevanten wissenschaftlichen Studien.

Dann führt er eine computergestützte Befragung durch, um mehr über Ihre Symptome zu erfahren. Das System durchsucht all diese Informationen und der Arzt gibt Ihnen dann entsprechende Empfehlungen für weitere Behandlungsschritte, Medikamente und Lebensstiländerungen. Die datengestützte Auswertung ist speziell auf Sie zugeschnitten und kostet weniger als ein Arztbesuch.

Angesichts des zunehmenden Einflusses von maschinellem Lernen und künstlicher Intelligenz (KI) sollte diese Art der personalisierten Medizin schon bald möglich sein. Leider sind wir aber noch weit davon entfernt. Ärzte und medizinische Fachkräfte können einen solchen Arztbesuch noch nicht ermöglichen.

An Bereitschaft mangelt es nicht. 2017 flossen in den USA 800 Millionen Dollar Risikokapital in Jungfirmen im Gesundheitswesen, die Produkte mit KI-Unterstützung entwickeln. Diese Bemühungen konzentrieren sich vorwiegend auf bestimmte Aufgaben wie Diagnosen zu verbessern.

Ein typisches Beispiel ist Freenome. Die Biotech-Firma mit Sitz in San Francisco nutzt maschinelles Lernen, um Krebs im Frühstadium zu erkennen. Investoren haben dem nur vier Jahre jungen Unternehmen bereits 78 Millionen US-Dollar zur Verfügung gestellt. Arterys, eine weitere Biotech-Firma in der San Francisco Bay Area, konnte Mittel in Höhe von 44 Millionen US-Dollar beschaffen.

Diese Unternehmen entwickeln Technologien, die das Gesundheitswesen grundlegend verändern und Leben retten werden – mit genaueren Diagnosen, präziseren Therapien und verbesserter Zusammenarbeit zwischen Patienten und Gesundheitsdienstleistern. Doch der weitere Fortschritt wird durch ein hartnäckiges Problem erschwert. In den riesigen Mengen an Gesundheitsdaten herrscht ein heilloses Durcheinander.

Das Potenzial der Daten nutzen

Im Gesundheitswesen fallen Unmengen von Daten an. Allgemeinärzte, Fachärzte, Krankenhäuser, Apotheken und Forschungsinstitute – sie alle sammeln diese Daten. Laborergebnisse, Bilder, Ergebnisse klinischer Studien, Genomdaten und vieles mehr werden in verschiedensten Formaten gespeichert. Einige Anbieter nutzen noch immer handschriftliche Notizen, die lesbar sein können oder auch nicht. Diese Informationen zu konsolidieren ist alles andere als einfach.

Und dieses Problem besteht weltweit. Die meisten Industrienationen speichern Gesundheitsdaten in Datensilos. Israel bildet hier eine Ausnahme: Das Gesundheitswesen ist stark konsolidiert, denn für die medizinischen Dienste im ganzen Land sorgen vier Krankenversicherungen.

Dieses Modell zu übernehmen, wird für die meisten Länder nicht möglich sein, weil ihre Bevölkerungszahlen größer sind und es in ihren Gesundheitssystemen deutlich mehr Anspruchsgruppen gibt. Krankenhäuser, Versicherungen und Ärzte – Sie alle sind fest in unseren Gesundheitssystemen verwurzelt und sie komplett zu ersetzen wäre einfach nicht realistisch. Es gilt also, mit dem zu arbeiten was da ist. Benötigt werden Plattformen, die es ermöglichen, unterschiedliche Arten von Daten in verschiedenen Formaten zu verarbeiten.

Die beste Herangehensweise ist, Plattformen zu entwickeln, die auf die aktuellen Systeme aufgesetzt werden können. Auf diese Weise ist es möglich, die Daten zu sammeln und so zu organisieren, dass sie mehr Aussagekraft haben. Mithilfe von künstlicher Intelligenz und maschinellem Lernen lassen sich riesige Mengen von Daten durchforsten und in brauchbare Informationen umwandeln. Forscher können so bei der Entwicklung neuer Medikamente unterstützt werden und vorausschauende Analysen durchführen. Google und Apple arbeiten jeweils daran, diese Datenprobleme im Gesundheitswesen zu beheben und entwickeln entsprechende Plattformen.

Der Patient an erster Stelle

Diese Innovationen im Bereich der Datenverarbeitung klingen vielleicht abstrakt. Aber nicht vergessen werden darf, dass der Patient hier auch eine wichtige Rolle spielt. Patienten sind die besten Datensammler. Die digitalen Innovationen von heute haben ihnen die Möglichkeit eröffnet, im Netz nach Antworten auf gesundheitliche Fragen zu suchen. Patienten mit chronischen Erkrankungen sammeln regelmäßig Daten zu ihrem Gesundheitszustand und teilen diese mit den verschiedenen Ärzten, bei denen sie in Behandlung sind.

Heutzutage möchten Patienten Zugang zu ihren Gesundheitsdaten haben und darüber mitentscheiden, welche Therapien sie erhalten. Wir können diese Erwartungen zu unserem gemeinsamen Vorteil nutzen, indem wir Systeme entwickeln, die den Datenzugriff verbessern, Interaktionen mit dem Gesundheitswesen erleichtern und eine vollständig integrierte Fallbearbeitung ermöglichen. Das heißt, jeder, der in die Behandlung eines Patienten involviert ist, schafft Mehrwert. Maschinelles Lernen und KI stellen für alle Beteiligten im Gesundheitswesen eine große Chance dar.

Hierzu bedarf es allerdings noch klar festgelegter Regelungen zum Gesundheitsdatenschutz. Ein Grund ist, dass die Leute kritischer geworden sind. Sie wollen wissen, wer ihre persönlichen Daten sieht und wofür sie verwendet werden. Ein weiterer Grund ist, dass Patienten Vertrauen in das Gesundheitssystem haben sollten. Fehlt dieses Vertrauen, sind sie eher dazu geneigt, Informationen über ihren Gesundheitszustand zu verschweigen, was negative Auswirkungen auf ihre Versorgung hat.

Die neue EU-Datenschutz-Grundverordnung (DSGVO) beinhaltet Regeln für den Datenzugriff und das „Recht auf Vergessenwerden.“ Datenschutz muss als Kernfunktion in das System-Design eingebettet sein. All diese Regeln sind für das Gesundheitswesen enorm wichtig. In gewisser Weise wird die DSGVO die Verwendung von Daten wahrscheinlich einfacher machen. Zum Beispiel ist es Forschern gestattet, Patienten um Erlaubnis zu bitten, dass ihre Daten für die allgemeine medizinische Forschung verwendet werden und nicht nur für bestimmte Forschungsprojekte.

Aber auch die zunehmende Sorge um den Schutz der Privatsphäre und immer mehr Vorschriften könnten weitere Hürden für maschinelles Lernen und KI darstellen. Für alle Patientendaten, die für Forschungszwecke genutzt werden, gelten folgende Regeln. Der Patient muss seine Einwilligung gegeben haben, die Daten müssen anonymisiert sein und dürfen nur für eine bestimmte Zeit gespeichert werden und der Patient hat das Recht auf Löschung seiner Daten. Für Forscher, die nun eine Studie mit Tausenden von Patienten durchführen wollen, bedeutet dies, dass sie viele Kontrollkästchen markieren müssen, um die Bestimmungen einzuhalten.

Was den Schutz der Patientendaten angeht, ist es nicht möglich, die Informationen komplett zu anonymisieren, wenn sie noch für eine Analyse brauchbar sein sollen. Hier wird ein Kompromiss notwendig sein – ein Standard, der so ausgelegt ist, dass alle davon profitieren: der Patient, die Ärzte, Forscher und Institutionen. Es gilt, sicherzustellen, dass die Entwicklung medizinischer Innovationen nicht durch Einschränkungen des Datenzugriffs behindert wird.

Das Ziel ist es, ein angemessenes Gleichgewicht zwischen Datennutzung und Datenschutz zu erzielen, das als Grundlage für ein künftiges KI-gestütztes Gesundheitswesen dienen wird. Regierungen, Gesundheitswesen, Technologiefirmen und Patienten – Sie alle sollten zusammenarbeiten, um jetzt diese Basis zu schaffen.

Nur dann wird es gelingen, eine medizinische Versorgung einzuführen, die Leben rettet und verändert und jeden Arztbesuch effizienter macht.

Dominik Bertram

Dominik Bertram ist Vice President im Bereich Software Engineering for SAP Health bei SAP.

Der Artikel erschien ursprünglich im Digitalist Magazine: http://www.digitalistmag.com/machine-learning-ai/2018/06/04/stitching-up-your-healthcare-data-06170274