blaue Platine

6.3.2015 | Von:
Peter Langkafel

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

Handlungsfelder

Aus den Dimensionen des Frameworks ergeben sich die Handlungsfelder für Big-Data-Anwendungen in der Medizin. Sie sind schon heute vielfältig, und künftig werden weitere Szenarien möglich sein, die noch vor Kurzem geradezu unvorstellbar waren. Die wichtigsten möglichen Handlungsfelder sollen im Folgenden skizziert werden.

Unter Health Education und Information fallen alle Bereiche, die Daten für unterschiedliche Akteure (neu) zusammenstellen oder erweitern. Beispiele hierfür sind das Re-Design von Disease-management-Programmen oder auch die Quantified-self-Ansätze (Daten, die von Patienten oder Bürgern primär selbst erhoben werden, teilweise mit eigenen Sensoren oder Apps).

Die datengestützte Analyse des Inputs (Ressourcen) ermöglicht zudem neue Formen der finanziellen Ressourcensteuerung und damit auch des Outputs (medizinische Qualität, Effektivität). Dies erleichtert zum Beispiel organisationsbezogene Ansätze wie pay-per-performance, bei dem die Qualität der medizinischen Behandlung stärker mit der Bezahlung gekoppelt wird, oder das Design von neuen, integrierteren Versorgungsformen zum Beispiel im Rahmen einer stärkeren Verzahnung von ambulanten und stationären Leistungen.

Im Rahmen von Public Health Monitoring könnten zum Beispiel im Falle von Epidemien bestimmte kollektive oder individuelle Gesundheitsmaßnahmen schneller und gezielter in die Wege geleitet werden. Ein bekanntes Beispiel ist "Google Flu Trends", dessen Ziel es ist, die Verbreitungen von Erkältungen durch die Analyse bestimmter Suchbegriffe besser vorherzusagen. Ein anderes Beispiel ist der Versuch, die Verbreitung des Ebola-Fiebers anhand der Diskussionen in sozialen Netzwerken besser nachvollziehen und auch hier gezielter intervenieren zu können.

Das unmittelbare Feedback durch subjektive und objektive Daten von Geräten und Patienten könnte auch zur Produktentwicklung beitragen – etwa in Form neuer Services im Betreuungsbereich, aber auch mit Blick auf besseres medizinisches Gerät. Für Unternehmen, die bisher nicht zu den "traditionellen Playern" gehören, könnten sich ganz neue Geschäftsfelder ergeben: etwa für die Post, die Pflegeservices übernimmt, für den Supermarkt, der Teil eines Diätprogramms wird, oder für den Telekommunikationskonzern, der telemedizinische Services anbietet.

Ein Beispiel für den Versuch verbesserter Prognosen von Krankheiten ist der Individual-health-analytics-Ansatz, bei dem alltägliche Daten aus der Lebenswelt der jeweiligen Person integriert werden. Hierdurch könnte auch ein besseres Verständnis von bestimmten Krankheiten erzielt werden. Diese Analyse von Daten – zum Beispiel im Zusammenspiel mit anderen Informationen aus dem sozialen oder beruflichen Umfeld – ermöglicht perspektivisch eventuell raschere und zielgerichtetere Formen der Prävention von Krankheiten und Epidemien.

Disease-management-Programme, worunter insbesondere Programme für chronisch Kranke zu verstehen sind (etwa an Asthma oder Diabetes Erkrankte), könnten durch den Einsatz von Big Data zukünftig individualisierter angeboten werden. Die Rekrutierung für klinische Studien sowie die "Simulation" von Daten würde zudem neue, schnellere Studienformen ermöglichen und bed and bench (Klinik und Forschungslabor) besser miteinander vernetzen. Die schnellere Implementierung von Evidenz könnte ebenfalls ein wichtiger Fokus von Big-Data-Anwendungen sein. Ein wichtiges Problem in der Medizin ist die Umsetzung von aktuellem Wissen aus der Forschung oder aus Leitlinien. Bisher dauert es oft viele Jahre, bis das Wissen, das in modernen Forschungseinrichtungen etabliert ist, "in die Breite" getragen wird.

Ein weiteres Handlungsfeld ist die medizinische Performance-Optimierung. Hier könnte Big Data zum Beispiel die bessere Umsetzung von aktuellen Leitlinien ermöglichen (coach the doctor/medical decision support). Big Data kann Patienten möglichweise die richtige Leitlinie oder die passende klinische Studie zuordnen und anbieten – und damit eine umfangreiche Suche abkürzen.

Die neuen Formen digitaler Entscheidungsunterstützung würden nicht nur neuartige Visualisierungen umfassen, sondern beispielsweise auch die bessere Integration genetischer und klinischer Daten sowie neuester Forschungsdaten. Nicht zuletzt könnten Big-Data-Szenarien auch einen besseren Schutz vor Behandlungsfehlern ermöglichen. Ein Beispiel sind Lösungen aus dem Bereich Arzneimitteltherapiesicherheit (AMTS) – hier überprüfen Programme unter anderem, ob eingenommene Medikamente sich gegenseitig ausschließen, interagieren können oder ob etwa die Dosierung angepasst werden müsste.

Neue Möglichkeiten würden sich auch auf dem Feld der Adhärenz ergeben. Adherence (engl. für Einhaltung, Befolgung) bedeutet, dass Patienten sich (besser) an die mit dem Therapeuten vereinbarten Empfehlungen halten – etwa, was die Einnahme von verschriebenen Medikamenten oder ein Diätregime betrifft.

Durch die Integration von Kennzahlen sind schließlich bessere Coaching- oder Kontrollszenarien denkbar, die stärker auf individuelle oder geografische Komponenten eingehen können. Beispiele sind hier Apps, die die Luftbelastung (Stickstoff, Pollenflug) messen und einzelnen Orten zuordnen – für Allergiker oder Asthmatiker schon heute ein nützliches Werkzeug, ebenso wie potenziell für Gesundheitsbehörden, die hier kurzfristig auf Veränderungen reagieren könnten.

Noch ein Handlungsfeld ist schließlich der Informationsaustausch zwischen Arzt und Patient (sowie zwischen Krankhaus- und niedergelassenen Ärzten). Hier ist zum Beispiel an telemedizinische Services oder Echtzeit-Datenanalysen über Sensoren zu denken. Hier sind sowohl Szenarien möglich, die stärker prozessual ansetzen (zum Beispiel Diabetes-Monitoring), als auch Anwendungen, die die schon existierenden Daten kumulieren und analysieren. Für den digitalen Informationsaustausch von Patient zu Patient gibt es bereits zahlreiche Beispiele. Eines der bekanntesten ist die Internetplattform "Patientslikeme", auf der Patienten andere Patienten mit ähnlichen Symptomen und Erfahrungen finden und sich mit ihnen austauschen können (peer to peer).[6]

Wie können die zahlreichen skizzierten Handlungsfelder von Big Data in der Medizin nun strukturiert und systematisiert werden? Es bietet sich hierfür die folgende Einteilung in eine horizontale, eine vertikale und eine temporäre Dimension an:

1. Horizontale Dimension: Hierunter könnte man die bessere Integration von Daten entlang der Behandlungskette sehen. Damit ist nicht nur die Verbindung von ambulanter, stationärer und rehabilitativer Therapie gemeint, sondern möglicherweise auch die Kombination mit Informationen aus dem Alltag.

2. Vertikale Dimension: Damit ist die "tiefere" Verzahnung von Datenbeständen gemeint – etwa die bessere Verbindung von administrativen, klinischen und forschungsnahen Daten. Ein Beispiel hierfür ist die "Open Data Initiative" des British Medical Journal (BMJ). Die renommierte Fachzeitschrift wird künftig nur noch Artikel publizieren, die vorab registriert wurden und transparent mit ihren Ergebnissen und Daten umgehen. Dies ist keinesfalls belanglos: Laut BMJ wurde die Hälfte aller klinischen Studien nie registriert oder publiziert. Zahlreiche Daten, die zu Forschungszwecken erhoben wurden (mit erheblichem Aufwand und Engagement und möglicherweise mit Risiken für Patienten) stehen nach der Publikation nicht mehr zur Verfügung. Wenn wir all diese Daten hätten – was wüssten wir mehr?

3. Temporäre Dimension: Big-Data-Analysen sind nicht nur retrospektiv, sondern erlauben das Echtzeit-Monitoring von Geschäftsprozessen. Der nächste Schritt ist nun von "was passiert" zu "warum passiert etwas". Vertiefende Analysen könnten hier neue Einsichten ermöglichen. Ein besonders spannender Bereich ist die Simulation oder gar "Vorhersage" zukünftiger Szenarien: Einen (potenziell) komplizierten Therapieverlauf schon früh überwachen und gegebenenfalls gar geeignete Maßnahmen ergreifen zu können, könnte zur Königsdisziplin von Big Data in der Medizin werden.

Der faszinierendste Bereich ist also der Blick in die Zukunft – und hier treffen sich Sehnsüchte, Visionen und Wunschvorstellungen: Was wird passieren, welche Risikoprofile gibt es – und wie können wir dadurch früher präventiv eingreifen, Diagnostik verändern oder erweitern und Therapien anpassen? Gesundheit findet ja nicht nur im Krankenhaus statt – sondern "draußen" im "echten Leben". Ob sich dieser Bereich durch Big-Data-Anwendungen tatsächlich besser integrieren lässt, wird die weitere Entwicklung zeigen.

Fußnoten

6.
Siehe http://www.patientslikeme.com« (24.2.2015). Der Gründer der Plattform rief kürzlich dazu auf, alle persönlichen Gesundheitsdaten "zu spenden". Die Partner des US-amerikanischen Unternehmens sind neben akademischen Institutionen große Pharmaunternehmen, bei denen es sicher auch ein gewisses Interesse an den Patientendaten gibt.
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz veröffentlicht. by-nc-nd/3.0/ Der Name des Autors/Rechteinhabers soll wie folgt genannt werden: by-nc-nd/3.0/
Autor: Peter Langkafel für Aus Politik und Zeitgeschichte/bpb.de
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