Haring Gesundheit digital

Perspektiven zur Digitalisierung im Gesundheitswesen
1. Auflage 2018
ISBN: 978-3-662-57611-3
Verlag: Springer
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 240 Seiten

Unaufhaltsam drängt der digitale Wandel auch im Gesundheitswesen voran. Dies führt zu grundsätzlichen Veränderungen in der Gesundheitsversorgung und schafft neue Möglichkeiten der Diagnostik, Therapie und Prävention. Digital Health, Wearables, Big Data und Algorithmen eröffnen vielfältige Chancen einer effektiven Gesundheitsversorgung. Aber wie ist der aktuelle Stand der Digitalisierung im deutschen Gesundheitswesen? Welche Herausforderungen und Potenziale bringt der digitale Wandel mit sich? Und in welchen Bereichen besteht noch Handlungsbedarf?Diese Fragen beantworten renommierte Autoren unterschiedlicher Disziplinen in ihren Beiträgen. Sie arbeiten die aktuelle Situation der digitalen Transformation im deutschen Gesundheitswesen heraus und stellen die Chancen, Risiken und aktuellen Herausforderungen in unterschiedlichen Kontexten dar.Für Ärzte im Krankenhaus und in der Praxis, für Angehörige des Krankenhaus-Managements, für Entscheidungsträger der Gesundheitswirtschaft und für alle Akteure im Gesundheitswesen.

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

Autoren/Hrsg.

Haring, Robin

Inhaltsverzeichnis

1;Vorwort;5
2;Inhaltsverzeichnis;7
3;Herausgeber? und Autorenverzeichnis;10
4;1 E-Health: Begriff, Umsetzungsbarrieren, Nachhaltigkeit und Nutzen;13
4.1;1.1 ?E-Health – digitale Vernetzung der Akteure;14
4.1.1;1.1.1 ?Telematik als historische Grundlage von E-Health;14
4.1.2;1.1.2 ?Definition von E-Health;15
4.1.3;1.1.3 ?E-Health-Akteure;15
4.1.4;1.1.4 ?E-Health-Lösungen als soziotechnisches System;16
4.2;1.2 ?Prozessmanagement als grundlegende Basis für erfolgreiche E-Health-Strategien;18
4.2.1;1.2.1 ?Prozessintegration durch E-Health;18
4.2.2;1.2.2 ?E-Health Engineering;21
4.3;1.3 ?Umsetzungsbarrieren von E-Health;22
4.4;1.4 ?Nachhaltigkeit und Nutzen von E-Health;23
4.5;1.5 ?Innovative Versorgungsmodelle durch E-Health;24
4.6;1.6 ?Fazit;25
4.7;Literatur;25
5;2 Big Data in Gesundheitswesen und Medizin;27
5.1;2.1 ?Einleitung;29
5.1.1;2.1.1 ?Big Data und dessen Analyse;29
5.1.2;2.1.2 ?Spezielle Herausforderungen für Big Data und maschinelles Lernen in der Medizin;30
5.1.3;2.1.3 ?Datenverfügbarkeit: Big Data in der Medizin und im Gesundheitswesen;32
5.2;2.2 ?Maschinelles Lernen aus Gesundheitsdaten;32
5.2.1;2.2.1 ?Grundlagen des maschinellen Lernens;32
5.2.2;2.2.2 ?Deep Learning;33
5.2.3;2.2.3 ?Praktische Umsetzung von maschinellem Lernen in Projekten;34
5.2.4;2.2.4 ?Evaluation von maschinellem Lernen;34
5.3;2.3 ?Gesundheitsbezogene Anwendungen von Big Data und maschinellem Lernen;35
5.3.1;2.3.1 ?Dokumentenanalyse;35
5.3.2;2.3.2 ?Klinische Entscheidungsunter-stützung;37
5.3.3;2.3.3 ?Analyse öffentlicher Datenquellen;37
5.3.4;2.3.4 ?Wearables und Activity Recognition;37
5.3.5;2.3.5 ?Intelligente Assistenten mittels Question Answering;38
5.4;2.4 ?Rahmenbedingungen;38
5.4.1;2.4.1 ?Datenschutz;38
5.4.2;2.4.2 ?Transparenz;39
5.5;2.5 ?Zusammenfassung;40
5.6;Literatur;40
6;3 Künstliche Intelligenz im Gesundheitswesen;44
6.1;3.1 ?Einführung;45
6.2;3.2 ?Was bedeutet künstliche Intelligenz?;46
6.2.1;3.2.1 ?Definition der künstlichen Intelligenz (KI);46
6.2.2;3.2.2 ?Maschinelles Lernen (ML);47
6.2.3;3.2.3 ?Neuronale Netze und „Deep Learning“;48
6.2.4;3.2.4 ?Knowledge Graphs;49
6.2.5;3.2.5 ?Kognitive Systeme;49
6.2.6;3.2.6 ?Daten – die essenzielle Grundlage von KI;51
6.2.6.1;Volume (Volumen);52
6.2.6.2;Velocity (Geschwindigkeit);52
6.2.6.3;Variety (Vielfalt);52
6.2.6.4;Veracity (Wahrhaftigkeit);52
6.2.6.5;Value (Wert);53
6.2.6.6;Erweiterung der Definition von Big Data;53
6.3;3.3 ?KI-Anwendungen in der Gesundheitsversorgung;53
6.3.1;3.3.1 ?Radiologie;53
6.3.2;3.3.2 ?Intelligente Triagesysteme;54
6.3.3;3.3.3 ?Kognitive Systeme in der Gesundheitsversicherung;55
6.4;3.4 ?Ausblick;55
6.5;3.5 ?Zusammenfassung;55
6.6;Literatur;56
7;4 Die Rolle von E-Mental Health am Beispiel depressiver Erkrankungen;58
7.1;4.1 ?Einleitung;60
7.2;4.2 ?Online-Diskussionsforen als digitale Informations- und Austauschangebote für Patienten und deren Angehörige;61
7.2.1;4.2.1 ?Charakteristiken Mental-Health-bezogener Online-Diskussionsforen;62
7.2.2;4.2.2 ?Wirksamkeit und positive Effekte der Nutzung von Online-Diskussionsforen;62
7.2.3;4.2.3 ?Risiken und negative Effekte der Nutzung von Online-Diskussionsforen;63
7.3;4.3 ?Digitale Psychotherapie- und Selbstmanagement-Programme;64
7.3.1;4.3.1 ?Anwendungsfelder;64
7.3.2;4.3.2 ?Digitale Interventionen und Online-Selbstmanagement bei Depression – was steckt drin?;65
7.3.3;4.3.3 ?Wirksamkeit;66
7.3.4;4.3.4 ?Digitale Interventionen in der Versorgung;67
7.3.5;4.3.5 ?Spezifische Wirkfaktoren;67
7.3.6;4.3.6 ?Risiken und mögliche Nebenwirkungen;68
7.4;4.4 ?Smartphone-basiertes Selbstmonitoring;69
7.4.1;4.4.1 ?Selbstmonitoring im Kontext depressiver Erkrankungen;69
7.4.2;4.4.2 ?Smartphones als Mittel des Selbstmonitorings;70
7.4.3;4.4.3 ?Wirksamkeit;72
7.4.4;4.4.4 ?Risiken und mögliche Nebenwirkungen;72
7.5;4.5 ?Zusammenfassung;73
7.6;Literatur;74
8;5 Der Informationsmanagementzyklus im Gesundheitswesen;78
8.1;5.1 ?Einleitung und Motivation;79
8.2;5.2 ?Informationsmanagement im Gesundheitswesen;84
8.3;5.3 ?Der Informationsmanagementzyklus;86
8.4;5.4 ?Fallbeispiel Informationsprodukt aus der neurologischen Diagnostik;89
8.5;5.5 ?Zusammenfassung und Ausblick;91
8.6;Literatur;92
9;6 Transfer von Digital Health in den Versorgungsalltag;94
9.1;6.1 ?Was ist Digital Health und wer sind die Treiber?;95
9.2;6.2 ?Anwendungstypen;95
9.3;6.3 ?Andersartigkeit von Digital-Health-Anwendungen;97
9.4;6.4 ?Transfer von Digital Health in den Versorgungsalltag;99
9.4.1;6.4.1 ?Medizinproduktezertifizierung;99
9.4.2;6.4.2 ?Wirksamkeitsnachweis und Nutzenbewertung;101
9.4.3;6.4.3 ?Vertrags- und Vergütungsformen;104
9.5;6.5 ?Transfermodell;106
9.6;6.6 ?Fazit und Ausblick;106
9.7;Literatur;108
10;7 Assistenz- und Servicerobotik – die Gestaltung der Mensch-Maschine-Schnittstelle als Grundlage des Anwendungserfolgs;109
10.1;7.1 ?Einleitung;111
10.1.1;7.1.1 ?Allgemeine Definition von Assistenz- und Unterstützungsrobotern;112
10.1.2;7.1.2 ?Unterstützungspotenziale robotischer Assistenzsysteme im persönlichen Lebensumfeld;113
10.1.3;7.1.3 ?Potenzieller Nutzen robotischer Assistenzsysteme im Heim- und Klinikbereich;114
10.2;7.2 ?Settingspezifische Unterstützungsbedarfe durch robotische Assistenzsysteme;114
10.2.1;7.2.1 ?Konzeptstudie für einen robotischen Alltagsassistenten im häuslichen Bereich;114
10.2.2;7.2.2 ?Roboter für den Klinik- und Pflegebereich;115
10.2.3;7.2.3 ?Diskrepanz derzeitiger Assistenzsysteme zwischen Unterstützungserwartungen und technischer Machbarkeit;118
10.3;7.3 ?Verständliche Mensch-Maschine-Interaktion als Schlüssel zur Anwenderakzeptanz;119
10.3.1;7.3.1 ?Anforderungen an Benutzerschnittstellen und Adaption im Entwicklungsprozess;121
10.3.2;7.3.2 ?Sprachsteuerung;122
10.3.3;7.3.3 ?Mimik- und Gestensteuerung;123
10.4;7.4 ?Intelligente Assistenten brauchen intelligente Algorithmen;123
10.4.1;7.4.1 ?Technische Kognition als Pendant zum menschlichen Denken;123
10.4.2;7.4.2 ?Kognitive Systeme als zentraler Bestandteil der Interaktion;124
10.4.3;7.4.3 ?Grenzen der künstlichen Intelligenz;126
10.5;7.5 ?Ausgewählte Beispiele und Perspektiven zukünftiger Assistenzsysteme;127
10.5.1;7.5.1 ?Staubsauger, Rasenmäher und Therapieroboter – heterogene Nutzungserfahrungen von Assistenzrobotern in verschiedenen Settings;127
10.5.2;7.5.2 ?Unterstützungspotenziale robotischer Therapieassistenten;129
10.6;7.6 ?Fazit und Ausblick;130
10.7;Literatur;130
11;8 Erfolgsfaktoren in der Digitalisierung der Gesundheitsversorgung;133
11.1;8.1 ?Die digitale Revolution der Gesundheitsversorgung;134
11.1.1;8.1.1 ?Veränderung durch Digitalisierung im Industrievergleich;134
11.1.2;8.1.2 ?Potenziale der Digitalisierung in der Gesundheitsversorgung;135
11.1.3;8.1.3 ?Die digitale Patient Journey der Zukunft;137
11.1.3.1;1. Erstdiagnose auf Basis der Patientenakte und initialer Tests;137
11.1.3.2;2. Konsultation eines Spezialisten mithilfe virtueller Instrumente;138
11.1.3.3;3. Behandlungsvorbereitung unter Einbezug intelligenter Bildgebung;138
11.1.3.4;4. Bildfusionsgestützte Behandlung;138
11.1.3.5;5. Folgemaßnahmen im Rahmen eines Care-Management-Programmes;138
11.1.3.6;6. Individuelles Gesundheitsmanagement durch digitale Assistenzsysteme und Wearables;138
11.1.4;8.1.4 ?Barrieren der digitalen Gesundheitsversorgung;138
11.1.5;8.1.5 ?Digitale Entwicklungsfelder in der Gesundheitsversorgung;139
11.2;8.2 ?Digitale Ökosysteme als Voraussetzung digitaler Transformation;141
11.2.1;8.2.1 ?Digitale Vernetzungsstrukturen im Gesundheitswesen;141
11.2.1.1;Zugriff auf Daten innerhalb einer Klinik;141
11.2.1.2;E-Health – Datenzugriff über Klinik- und Netzwerkgrenzen hinweg;142
11.2.1.3;Cloud-basierte Datenaggregation;142
11.2.2;8.2.2 ?Digitalisierung im Gesundheitswesen: von der Vernetzung zum Ökosystem;143
11.2.3;8.2.3 ?Besonderheiten digitaler Ökosysteme im Gesundheitsbereich;146
11.3;8.3 ?Fazit;149
11.4;Literatur;150
12;9 Digitalisierung in der Medizin: Im disruptiven Wandel wandelbar bleiben;153
12.1;9.1 ?Personalisierte Medizin – Vision wird Wirklichkeit;154
12.1.1;9.1.1 ?Breite Wirkung statt Präzisionsmedizin;154
12.1.1.1;Sanger sei Dank – Onkogene werden zum Target in der Präzisionstherapie;156
12.1.2;9.1.2 ?Das Dilemma: Big Data im Disketten-Zeitalter;156
12.2;9.2 ?Von Anfang an Vorreiter: die Onkologie;157
12.2.1;9.2.1 ?Krebs als eine Erkrankung der Gene;157
12.2.2;9.2.2 ?Hallmarks of Cancer – was macht Krebs zu Krebs?;157
12.2.2.1;Big Data: Die Nadel im Heuhaufen finden;157
12.2.2.2;Krebsentstehung nach Darwin? Durch klonale Evolution zum Tumor;158
12.2.2.3;Mutationen als Selektionsvorteil: Ungebremstes Wachstum;158
12.2.2.4;Komplex und hochindividuell;158
12.2.3;9.2.3 ?Stratifizierung als Kern der personalisierten Medizin;159
12.3;9.3 ?Wie aus Big Data Informationen werden – die Digitalisierung als Wegbereiter;159
12.3.1;9.3.1 ?Von Korrelationen zu Kausalitäten – Krebs als Sonderfall?;160
12.3.2;9.3.2 ?Personalisierte Medizin in der Onkologie: Warum am Ende alle profitieren;161
12.3.2.1;Für Arzt und Patient im Sinne einer Präzisionstherapie;161
12.3.2.2;Für klinische Forschung und die Entwicklung gezielter Therapieoptionen;161
12.3.2.3;Für Zulassungsbehörden und Kostenträger;163
12.4;9.4 ?Keine Scheu vor der Digitalisierung: Von Big Data zur molekularen Information;163
12.4.1;9.4.1 ?Digitalisierung vorantreiben, Big Data nutzen;164
12.4.2;9.4.2 ?Molekulare Information schaffen: Roche Foundation Medicine;164
12.4.2.1;Von ACTG zum Wegweiser – der Prozess;164
12.5;9.5 ?Die Zukunft der personalisierten Medizin ist digital;165
12.6;Literatur;167
13;10 Blockchain for Science and Knowledge Creation;168
13.1;10.1 ?Introduction;169
13.1.1;10.1.1 ?Blockchain – the Data Structure;169
13.1.2;10.1.2 ?Blockchain – the (R)evolution;169
13.1.3;10.1.3 ?Blockchain – the Database View Point;171
13.1.4;10.1.4 ?Blockchain Revolution – the Technical Implementations;171
13.1.5;10.1.5 ?Blockchain Revolution – Beyond Bitcoin;173
13.1.6;10.1.6 ?Blockchain Revolution – and Beyond Blockchains;174
13.2;10.2 ?Which Blockchain for Science and Knowledge Creation?;174
13.3;10.3 ?Blockchain and the Research Cycle;175
13.3.1;10.3.1 ?Ideas;175
13.3.2;10.3.2 ?Proposal;176
13.3.3;10.3.3 ?Experiment/Data Acquisition;177
13.3.4;10.3.4 ?Data Management/Analysis;178
13.3.5;10.3.5 ?Data Sharing;181
13.3.6;10.3.6 ?Publication/Archiving;181
13.3.7;10.3.7 ?Research Evaluation;181
13.3.8;10.3.8 ?Research Funding;182
13.4;10.4 ?Challenges;185
13.5;10.5 ?Conclusion;185
13.6;Literatur;186
14;11 E-Health und Systemmedizin – Ergebnisse aus Online-Fokusgruppen mit Experten zur Translation eines aktuellen Forschungsparadigmas;190
14.1;11.1 ?Hintergrund;192
14.2;11.2 ?Erhebungsmethode, Stichprobe und Studiendurchführung;195
14.2.1;11.2.1 ?Wahl der Erhebungsmethode;195
14.2.2;11.2.2 ?Stichprobe und Rekrutierung;197
14.2.3;11.2.3 ?Durchführung;199
14.2.3.1;Inhaltliche Ansteuerung der Fokusgruppen – der Leitfaden;199
14.2.3.2;Moderation;199
14.2.3.3;Forschungsethik;204
14.2.3.4;Abweichungen von der Planung;204
14.2.4;11.2.4 ?Auswertung;204
14.3;11.3 ?Ergebnisse;205
14.3.1;11.3.1 ?Big Data als Forschungsmethodologie;205
14.3.2;11.3.2 ?Scoring-Systeme und Systemmedizin;206
14.3.2.1;Einsatzbereiche von Scores;206
14.3.2.2;Potenziale der Systemmedizin bei der Entwicklung von Scores;207
14.3.2.3;Scores und Einzelfallvorhersagen;207
14.3.2.4;Cost-Benefit-Betrachtungen als Bestandteil von Scoring-Systemen;208
14.3.2.5;Risiken beim Einsatz von Scores und Risk Mitigation;209
14.3.3;11.3.3 ?Die Bedeutung der Medizininformatik für die Translation der Systemmedizin;210
14.3.4;11.3.4 ?Die Bedeutung der elektronischen Patientenakte für Versorgung und Forschung im Kontext der Systemmedizin;211
14.3.4.1;Begriff und Modelle der elektronischen Patientenakte;211
14.3.4.2;Translationshindernisse;212
14.3.4.3;Vorteile der elektronischen Patientenakte;212
14.3.4.4;Nachteile der elektronischen Patientenakte;214
14.3.5;11.3.5 ?Krankenhausinfrastrukturen und E-Health;215
14.3.5.1;Krankenhauskapazitäten und große Datenmengen;215
14.3.5.2;Barrieren für gelingende Forschungsunterstützung und Translation der Systemmedizin;215
14.3.5.3;Outsourcing von Daten;216
14.3.6;11.3.6 ?Verankerung von IT-Kompetenzen in der Mediziner-Ausbildung;217
14.4;11.4 ?Limitationen der Studie;217
14.5;11.5 ?Diskussion;218
14.6;11.6 ?Schluss;220
14.7;Literatur;221
15;12 Gesellschaftliche und ethische Folgen der digitalen Transformation des Gesundheitswesens;222
15.1;12.1 ?Einleitung;223
15.2;12.2 ?Was heißt „digitale Transformation“ des Gesundheitswesens?;224
15.3;12.3 ?Wie wandeln sich Gesundheitsvorstellungen unter der Perspektive der digitalen Transformation?;229
15.4;12.4 ?Mögliche Konsequenzen der Transformation;232
15.5;12.5 ?Fazit;235
15.6;Literatur;235
16;Sachverzeichnis;238