blaue Platine

6.3.2015 | Von:
Peter Langkafel

Auf dem Weg zum Dr. Algorithmus? Potenziale von Big Data in der Medizin

Der erste Flug mit Hilfe eines Autopiloten wurde auf der Pariser Weltausstellung 1914 gezeigt; was damals ein faszinierendes Novum war, ist heute selbstverständlich. Inzwischen steuert ein Pilot bei einem durchschnittlichen Flug die Maschine nur noch rund drei Minuten selbst.[1] "Big Data" nimmt inzwischen auch in Autos immer größeren Platz ein: Geschwindigkeit, Abstand, Bremsen, Spurtreue – die Palette der Hilfsfunktionen wird immer größer und akzeptierter. In einem Pkw ist heute mehr Informationstechnologie verbaut als in der Apollo-Rakete, die 1969 auf dem Mond landete. Genauso hat sich die Medizin weiterentwickelt; den medizinischen Autopiloten gibt es jedoch (noch) nicht – oder doch?

Wenn wir Big Data in der Medizin verstehen wollen, ist ein weiter Blick notwendig, schließlich geht es um die Automatisierung des (medizinischen) Alltags. Und Automatisierung, so der Psychologe Raja Parasuraman, "ersetzt menschliche Tätigkeiten nicht einfach, sondern verändert sie, und dies oft in einer Art und Weise, die ihre Entwickler weder beabsichtigten noch vorhersahen".[2] Auf dem Weg dorthin geht es also um weit mehr als um technische Machbarkeit. Big Data – auch in der Medizin – verändert die Welt vielleicht stärker, als wir bisher verstehen, uns wünschen oder wahrhaben wollen.

Alter Wein in neuen Schläuchen?

Die Wissenschaftlichen Dienste des Deutschen Bundestags erläutern im "Aktuellen Begriff" zu Big Data: "Nach Schätzungen des McKinsey Global Institute wären durch den Einsatz von Big Data allein im US-amerikanischen Gesundheitswesen Effizienz- und Qualitätssteigerungen im Wert von ca. 222 Mrd. € und für den gesamten öffentlichen Sektor in Europa von jährlich 250 Mrd. € möglich. Das Besondere bei Big-Data-Analysen ist vor allem die neue Qualität der Ergebnisse aus der Kombination bisher nicht aufeinander bezogener Daten."[3]

Unser Gesundheitssystem besteht derzeit allerdings noch zu einem großen Teil aus Papier. Der Digitalisierungsgrad und damit die Menge an digitalen Daten in der Medizin wachsen jedoch enorm. Dafür gibt es drei wesentliche Gründe: Erstens gibt es eine Vielzahl neuer diagnostischer Instrumente, nicht nur in der Genetik, auch in bildgebenden Verfahren – hier entstehen riesige Mengen neuer digitaler Daten. Zweitens bringen Patientinnen und Patienten heute immer mehr Daten selbst mit. Alltagsdaten, die es früher so gar nicht gab, werden nun mittels Smartphone oder einfacher Sensoren gesammelt und gespeichert. Drittens ist die Digitalisierung an sich Treiber für Innovationen.

Im Krankenhauskontext – dieser Bereich steht beispielhaft für die gesamte Gesundheitswirtschaft – werden jedoch schon seit Langem Daten erzeugt, gesammelt und ausgewertet. Handelt es sich bei der großen Digitalisierung also im Grunde nur um alten Wein in neuen Schläuchen? Was ist neu und erklärt die Aufregung um Big Data? Folgende drei Faktoren könnten eine Erklärung bieten:

1. Technologisch gibt es heute die Möglichkeit, riesige Datenmengen in kürzester Zeit zu verarbeiten. Das war bis vor wenigen Jahren unvorstellbar. Das bedeutet, dass (fehlende) Technologien praktisch kein Hindernis mehr darstellen.

2. Dazu kommt in jedem Krankenhaus etwas, das "Siloerfahrung" genannt werden kann. Daten sind in so vielen einzelnen und separaten Systemen verteilt und verborgen, dass es sowohl bei Ärzten und Forschern als auch bei Controllern und im Managemant den Wunsch gibt, diesen zersplitterten "Datenschatz" zu heben und mit den neuen Daten zusammenzuführen.

3. Durch die neuen Technologien ergeben sich neue Anwendungsmöglichkeiten. Ein Beispiel dafür könnten wissensbasierte Programme sein, die durch das Zusammenführen großer Informationsmengen einen Behandlungsprozess wirklich "coachen" könnten.

Der Begriff "Big Data" führt alle diese Faktoren zusammen. Big Data ist damit zentral mit der Integration von verschiedenen Perspektiven verbunden: Medizincontrolling sollte auch unter Qualitätsgesichtspunkten gesehen werden – nicht nur unter monetären. Qualitätssicherung und evidence-based medicine müssen sich umgekehrt auch ökonomischen Dimensionen stellen. Die traditionelle Trennung zwischen Management (Finanzen), Medizin (Klinik) und potenziell auch Forschung gilt es aufzuheben. Diese Forderung ist vielleicht nicht neu – aber unter den neuen Voraussetzungen von Big Data ist es vielleicht das erste Mal realistisch, dass sie umgesetzt wird. Um im Bild vom alten Wein zu bleiben: Wir haben heute nicht nur neue Schläuche, sondern – zumindest potenziell – eine hochmoderne Abfüllstation. Und die ermöglicht nicht nur "alten Wein" für alle, sondern viele verschiedene, auf individuelle Geschmäcker abgestimmte Getränke.

Big-Data-Framework

Um einen Überblick zu erhalten, welche Szenarien im Kontext von Big Data in der Medizin möglich sind, habe ich die verschiedenen Dimensionen in einem Framework zusammengestellt. Im Folgenden werden die Bereiche (in der Abbildung von unten nach oben) kurz erklärt:
Big-Data-Framework in der MedizinBig-Data-Framework in der Medizin

Unter Governance sind vor allem organisatorische und rechtliche Rahmenbedingungen zu verstehen. Diese können sich auf die einzelne Institution beziehen, aber auch auf nationale oder internationale Rahmenbedingungen. Dazu zählen insbesondere der Datenschutz, die IT-Sicherheit sowie die Möglichkeiten informationeller Selbstbestimmung. Dies umfasst technische, rechtliche, aber auch soziale und organisatorische Elemente.

Die Datenquellen im medizinischen Kontext sind vielfältig: Zum einen gibt es die medizinischen Daten, wie sie primär in Krankenhäusern vorliegen. Dazu lassen sich Daten von öffentlichen Einrichtungen ergänzen oder korrelieren – zum Beispiel von Gemeinden, Gesundheitsämtern, Ministerien oder auch internationalen Organisationen. Weitere Quellen sind natürlich die Krankenkassen (etwa was die Inanspruchnahme von Leistungen angeht) oder andere Versicherungen. Eine weitere Rubrik stellen Forschungsdaten dar, die oft sehr spezielle Ausprägungen haben und in der Regel unter besonderen ethischen und datenschutzrechtlichen Anforderungen erhoben wurden. Individuelle, durch Patienten generierte Daten (zum Beispiel aus Schmerztagebüchern oder über Sensoren erfasste Daten) sind heute größtenteils noch nicht Teil des Gesundheitssystems, werden aber deutlich an Bedeutung zunehmen. Keine Rolle spielen bislang die sogenannten nicht-traditionellen Marktteilnehmer (non-traditional players), also soziale Netzwerke, Mobilfunkanbieter oder auch Einzelhändler.[4]

Unter Infrastruktur sind primär physikalische Voraussetzungen für Datentransport und -speicherung zu verstehen, etwa Datenleitungen oder Endgeräte wie PCs oder Smartphones. Die Dimension Datensammlung und Archivierung hat in der Medizin eine besondere Bedeutung – zum einem unter dem Aspekt der Datensicherheit, aber auch hinsichtlich der rechtlichen Anforderungen der Langzeitarchivierung.[5] Datenmanagement bedeutet unter anderem die Integration von Daten, damit sie bestimmten Standards genügen und kompatibel ausgetauscht werden können. Aber auch die Rollenzuweisung und Zugriffskontrolle, um festzulegen, wer welche Daten wie nutzen darf, gehört in diesen Bereich.

Die letzte Dimension im Framework ist das eigentliche Zusammenführen der Daten, um sie den verschiedenen Nutzergruppen präsentieren und analysieren zu können. Sie bildet damit die "Oberfläche". Daten können hier "nur" angezeigt werden, bestimmte Konstellationen können aber auch als Entscheidungsunterstützung dienen. Künftig ist denkbar, dass Algorithmen Handlungen nicht nur empfehlen, sondern selbst veranlassen (etwa in der Intensivmedizin).

Fußnoten

1.
Vgl. Nicholas Carr, Die Herrschaft der Maschinen, in: Blätter für deutsche und internationale Politik, (2014) 2, S. 45–55.
2.
Zit. nach: ebd., S. 49.
3.
Wissenschaftliche Dienste des Deutschen Bundestags, Big Data, Aktueller Begriff 37/2013, S. 2.
4.
Vgl. Die Sprechstunde findet bald im Supermarkt statt, in: Trendletter 12/2006, www.trendmonitor.biz/kategorie/zukunftsmaerkte/artikel/die-sprechstunde-findet-bald-im-supermarkt-statt.html (24.2.2015).
5.
Medizinische Daten müssen in Deutschland teilweise länger als zwanzig Jahre gespeichert werden. In anderen Ländern gelten zum Teil "lebenslange" Archivierungsvorschriften. Vgl. Paul Schmücker et al. (Hrsg.), GMDS-Praxisleitfaden. Dokumentenmanagement, digitale Archivierung und elektronische Signaturen im Gesundheitswesen, Dietzenbach 2012.
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz "CC BY-NC-ND 3.0 DE - Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 Deutschland" veröffentlicht. Autor/-in: Peter Langkafel für Aus Politik und Zeitgeschichte/bpb.de

Sie dürfen den Text unter Nennung der Lizenz CC BY-NC-ND 3.0 DE und des/der Autors/-in teilen.
Urheberrechtliche Angaben zu Bildern / Grafiken / Videos finden sich direkt bei den Abbildungen.


Ein Wordle aus dem Einführungstext des Dossiers.
Dossier

Open Data

Open Data steht für die Idee, Daten öffentlich frei verfügbar und nutzbar zu machen. Welches Potential verbirgt sich hinter den Daten, die Behörden und Ministerien, Parlamente, Gerichte und andere Teile der öffentlichen Verwaltung produzieren? Das Dossier klärt über die Möglichkeiten offener Daten für eine nachhaltige demokratische Entwicklung auf und zeigt, wie Datenjournalisten mit diesen Datensätzen umgehen.

Mehr lesen

Leiterbahnen auf einer Computerplatine.
Dossier

Datenschutz

Was bedeutet Datenschutz? Wie ist er gesetzlich geregelt? Was steckt hinter den Begriffen informationelle Selbstbestimmung und Privatsphäre? Wie können persönliche Daten im Internet geschützt werden? Das Online-Dossier Datenschutz klärt über Hintergründe auf und gibt praktische Handlungsanleitungen zum Thema.

Mehr lesen

Publikation zum Thema

Coverbild APuZ - Jahresband 2013

APuZ - Jahresband 2015

Der APuZ-Jahresband 2015: Sämtliche Ausgaben der Zeitschrift "Aus Politik und Zeitgeschichte" aus dem Jahr 2015.Weiter...

Zum Shop