Themenfelder und Innovationsszenarien

Von Big Health Data zu Smart Health Data

Gesundheit und Medizin stellen einen der bedeutsamsten Zielbereiche der Digitalisierung und entsprechender Digitalisierungsstrategien dar – mit der Besonderheit, dass es bei „Gesundheit 4.0“ (anders als bei „Industrie 4.0“) nicht um Autos oder Kraftwerke, sondern um Menschen, Biografien, Schicksale und darauf bezogene Daten und Dienstleistungen geht. Wie jeder Patient an und für sich ist auch sein „Datensatz“ singulär und vielfältig. Diese einzigartige Komplexität gesundheitsrelevanter menschlicher Daten stellt dementsprechend große Anforderungen an die digitalen Lösungen.

Eine zentrale Hoffnung in der Digitalisierung der Medizin besteht darin, die ständig und mit hoher Beschleunigung wachsenden Datenbestände in Gesundheitswesen und Gesundheitsforschung (big health data) einer intelligenten patientenorientierten Nutzung (smart health data) zuzuführen. Grundlegend ist die Generierung von Datenmustern in Verknüpfung unterschiedlicher Datenquellen aus allen Sektoren von Gesundheitsforschung und –versorgung. Sie schafft wiederum die Basis für selbstlernende Systeme zur automatisierten Unterstützung von personalisierter Diagnostik und Therapieentscheidung. Mehr noch: Sie bietet die Chance, dass es auf breiterer Front zu Durchbrüchen in Richtung einer personalisierten Medizin kommt.

Therapieentscheidungen beruhen darauf, den medizinischen Kontext wie auch den individuellen Patienten betreffende Informationen zu integrieren, zu analysieren, zu vergleichen und zu interpretieren. Es geht nicht nur um Einzelentscheidungen, sondern analog zu den Versorgungsketten auch um Entscheidungsketten , in denen es auch – ggfs. in Verbindung mit einem Therapiemonitoring - zu einer Modifikation und Korrektur von Entscheidungen kommen kann. Die Digitalisierung schafft hierfür bislang nicht gekannte Voraussetzungen, aber sie zwingt auch dazu, sich umfassend mit der Art und Weise auseinanderzusetzen, wie Therapieentscheidungen auf der Basis von Diagnosen und Prognosen zustande kommen. Die digitalen Innovationen eröffnen neue Horizonte, um unzureichende oder gar falsche Diagnosen und Therapieentscheidungen systematisch zu reduzieren.

Die Technik macht es möglich, gesammeltes Expertenwissen Struktur- und Disziplinen-übergreifend zur Verfügung zu stellen. Somit kann langfristig allen Patienten, unabhängig vom Ort ihrer Diagnosestellung und Behandlungserbringung der höchste Standard medizinischen Wissens zu Gute kommen. Dies reduziert Behandlungsfehler, unter denen ansonsten zuallererst die Patienten leiden müssen. Dies hat langfristig weniger Nebenwirkungen, schnellere Genesung, nachhaltigere Wirkung, die Verminderung unnötig aufwendiger und schmerzhafter Prozeduren für die Patienten sowie Fehlbehandlungen, die mit enormen gesundheitsökonomischen Kosten und sozialen Problemen verbunden sind, zur Folge.

Auch die Rolle kommunikativer Strukturen und Vorgänge im Entscheidungsprozess, insbesondere die der Arzt-Patienten-Kommunikation , ist hier ein zentraler Aspekt. Die mit der Digitalisierung verbundenen Chancen kann nur intelligent (bzw. „smart“) nutzen, wer auch die Grenzen automatisierter Unterstützungssysteme versteht. Erfahrungswissen von Ärzten und Heilberuflern in Bezug auf Patienten, die Einschätzungen von Patienten und Angehörigen selbst und eine erzählende, beobachtende und reflektierende Kommunikation zwischen Heilberuflern und Patienten sind Teil erfolgreicher – auch personalisierter – Behandlungen. Die übergreifende Herausforderung liegt damit in der Verbindung von automatisiertem und akteursspezifischem Wissen und dementsprechend von digitalisierten und kommunikationsbasierten Entscheidungsmodellen.

Innovationslinien

Im Leuchtturm Smart.Health.Data.NRW und seinem Innovationsszenario verbinden sich medizinische, technische und soziale Innovationslinien, die durch ihre intelligente Verknüpfung den Weg zu der Vision einer patientenorientierten Nutzung medizinischer Daten für Wissenschaft, Forschung und Industrie ebnen.
Automatisieren & Modellieren: selbstlernende Systeme
Eine fundierte Diagnose und die bestmögliche Therapieentscheidung beruht auf einer enormen Menge von Daten, medizinischer sowie sozialer bzw. persönlicher. Decision Support Systeme bieten die Struktur, um alle zur Verfügung stehenden Daten geordnet aufzunehmen und sie bedarfsgerecht und aufbereitet wieder zur Verfügung zu stellen. Sie sind nicht nur in der Lage, neue Daten selbstständig zu sammeln, sondern werten die Daten auf der Grundlage lernender Algorithmen mit dem Ziel einer personalisierten Diagnostik und Therapieentscheidung auch aus. Der Heilberufler erhält durch die Modellierung von Diagnosen und Therapieentscheidungen eine Entscheidungsunterstützung und wird in die Lage versetzt Prognosen zu erstellen. So ist eine Vorhersage des Krankheits- oder des Therapieverlaufes beispielsweise unter Simulierung von Therapieoptionen, (z.B. über „digitale Patientenmodelle“ ) möglich.
Systemintegration & Datenqualität: interoperable Dateninfrastruktur
Selbstlernende Systeme könne ihre ganzen Fähigkeiten nur entfalten, wenn sie Zugriff auf die relevanten Datenquellen aller Sektoren der Gesundheitsforschung und -versorgung haben. Das heißt, sie müssen mit diesen Quellen kommunizieren können, interoperabel sein. Eine Notwendigkeit, gleichzeitig aber auch eine Folge der großen Potenziale von Decision Support Systemen, wird es sein, die bislang zumeist existierenden Insellösungen , also abgeschlossene, nicht miteinander kommunizierende IT-Systeme, zu integrieren. Diese Systemintegration ist vor dem Hintergrund der stark fragmentierten Datenlandschaft in Gesundheitswesen und -forschung und nicht ausreichender Datenqualität hoch komplex.
Usability & Empowerment: nutzerorientierte Anwendungsstrukturen
Decision Support Systeme können nur einen Beitrag zu medizinischer Innovation und mehr Patientensicherheit leisten, wenn Sie zur richtigen Zeit von der richtigen Person sachgemäß angewendet werden. Patienten und Anwender müssen daher in die Lage versetzt werden, geeignete technische Lösungen zu identifizieren und korrekt zu nutzen ( Digital Empowerment ). Die Systeme müssen von Ihrer Entwicklung anwenderfreundliche gestaltet sein, um erfolgreich werden zu können (Usability). Dies setzt die Rückkopplung mit der zukünftigen Anwenderschaft in der Produktentwicklung voraus. Können Anwender sich die Nutzung von Produkten und Systemen leicht erschließen, erhöht dies die Diagnose- und Therapiequalität sowie die Therapietreue.
Transparenz & Dialog: kommunikative Systeme
Die damit verbundenen Chancen kann nur intelligent nutzen, wer auch die Grenzen automatisierter Unterstützungssysteme versteht. Erfahrungswissen von Ärzten und Heilberuflern in Bezug auf Patienten wie auch die Einschätzungen von Patienten und Angehörigen selbst sind Teil erfolgreicher – auch personalisierter – Behandlungen. Die Bedeutung einer entsprechenden erzählenden, beobachtenden und reflektierenden Kommunikation zwischen Heilberuflern und Patienten verliert folglich nicht an Wert, sondern macht die Ergebnisse digitaler Unterstützungssysteme erst plausibel. Je nach Wahrnehmung und Nutzung können digitale Helfer die Patientensouveränität somit stärken, aber auch einschränken. Als Begleitelement der transparenten Kommunikation tragen Decision Support Systeme zur Nachvollziehbarkeit von Entscheidungen für Patient und Kostenträger bei underhöhen die Therapiesicherheit.
 
 

Neuigkeiten



Halbzeit-Veranstaltung des Projektes „Brückenbildung NRW“
29. Juni 2017, Düsseldorf ...mehr

14. MST-Konferenz beschäftigt sich mit individualisierten Gesundheitslösungen
05. Juli 2017 in Dortmund ...mehr

Sino (Shenzhen)-German Symposium innovativer biomedizinischer Technologien
Chinesische Supermetropole verstärkt Wirtschaftsentwicklung in der innovativen Medizin, Veranstaltung in Köln am 06. Juli 2017 ...mehr

Veranstaltung zu Marktchancen Japan/Südkorea
13. Juli 2017 in Mülheim a. d. Ruhr ...mehr

Save the date: Unternehmerreise nach Sichuan
Marktpotenzial erkennen – Netzwerke knüpfen – Vorteile sichern, 04. bis 08. September 2017 ...mehr

IoT Solution World Congress (IoTSWC)
Barcelona, 03. bis 05. Oktober 2017 ...mehr


Nightingale: a Pre-commercial Procurement project to design Europe’s next generation acute care patient monitoring systems
Horizon-2020-Projekt zur vorwettbewerblichen Beschaffung ...mehr

DGBMT Expert Survey 2017: Theranostische Implantate
Umfrage ist bis zum 30. Juni 2017 offen ...mehr

Innovationsgutschein Digitalisierung
Land fördert KMU bei der Einführung von neuen IT-Technologien oder digitalen Geschäftsmodellen ...mehr

Zukunftsfähige Möglichkeiten der Teleintensivmedizin auf dem Digital Gipfel 2017
Prof. Marx (RWTH Aachen) präsentiert lebensrettende Kooperationsstrukturen durch Vernetzung im Projekt THALEA ...mehr

MEDICA/Compamed 2017: Schwerpunkte in der Digitalisierung, künstlichen Intelligenz und E-Health
Schwerpunkte prägen fachliche Diskussion und Produktentwicklung ...mehr

Pharmaindustrie will Patientenperspektive in der Nutzenbewertung
Überarbeitung der frühen Nutzenbewertung für Arnzeimittel wird gefordert ...mehr

Neuauflage des Guide to German Medtech Companies 2018
Internationales Unternehmenskompendium für Medizintechnik und Gesundheitsdienstleistungen ...mehr


Förderung von Projekten zum Thema "Medizintechnische Lösungen in die Patientenversorgung überführen – Klinische Evidenz ohne Verzögerung belegen"
Einreichungsfrist: 31. Oktober 2017 ...mehr

Förderung von Projekten zum Thema "Immer vor Ort – mobile medizintechnische Lösungen für eine patientenfreundliche Gesundheitsversorgung"
Einreichungsfrist: 30. September 2017 ...mehr

3. Förderrunde des Wettbewerbs „NRW-Patent-Validierung“ ist gestartet
Einreichungsfrist: 30. Juni 2017 ...mehr

Richtlinie zur Fördermaßnahme "KMU-innovativ: Mensch-Technik-Interaktion"
Einreichungs-/Vorlagefrist für Projektskizzen sind jeweils der 15. April und der 15. Oktober ...mehr