Sorry, you need to enable JavaScript to visit this website.
Portrait Antje Niemeyer, IBM Watson Health Leader, DACH

Digitalisierung

Von „Big Data“ zu „kognitiv“

Daten spielen in der Medizin eine bedeutende Rolle. Vom effektiven Umgang mit ihnen hängt nicht nur das Wohl des Patienten ab; durch sie können auch wichtige Bereiche des Gesundheitssystems entscheidend verbessert und zukunftsfähig gemacht werden. Big Data-Technologien und vor allem kognitive Systeme sind die entscheidenden Innovationen für diese notwendige Transformation. 

Der Begriff „Big Data“ wird verwendet, um sehr große und heterogene Datenmengen zu beschreiben, die mit traditionellen IT-Methoden nicht oder nicht vollständig verarbeitet werden können. Die Erfahrung zeigt, dass ca. 80% der weltweit generierten Daten sogenannte „unstrukturierte Daten“ wie Textdokumente, Bilder oder Videos sind, deren Verarbeitung erst durch die Entwicklung neuester Technologien wie Sprach- oder Bildverarbeitung ermöglicht wird. Kognitive Systeme gehen einen Schritt weiter und helfen die Komplexität von „Big Data“ zu meistern. Denn Daten enthalten immer Informationen, doch nur durch die korrekte Verknüpfung und Auswertung der Informationen wird Wissen generiert. Das kognitive System stellt daher eine Weiterentwicklung und Erweiterung des „Big Data“ Ansatzes dar, indem es genau diese Zusammenhänge sucht, analysiert und darstellt. Es unterstützt die Verwandlung von Daten in Informationen und vernetztes Wissen.

Im Gesundheitswesen liegen Informationen in verschiedenster Form vor – strukturiert z. B. in Krankenhausinformationssystemen (KIS) oder anderen Datenbanken bzw. unstrukturiert in Form von Befunden, Entlassungsbriefen, Röntgenbildern, Fachbüchern oder Forschungsartikeln. Derzeit geht man davon aus, dass sich das medizinische Wissen alle 3 Jahre verdoppelt, bis 2020 verkürzt sich dieser Zeitraum auf alle 73 Tage. Jede Person wird während ihrer Lebenszeit über 1100 Terabyte (TB) an klinischen, Genom- und vor allem Lifestyle-Daten aus zum Beispiel Fitnesstrackern, Implantaten oder anderen Sensoren erzeugen. In Kombination mit der Tatsache, dass die Weltbevölkerung wächst und immer älter wird, ist es nur verständlich, dass das Gesundheitswesen neue Strategien und Technologien braucht, um die Flut an Informationen effizient zu verarbeiten und nutzen zu können.

Herausforderungen für das Gesundheitswesen

Das Gesundheitswesen befindet sich in einer Transformation und steht vor einigen Herausforderungen. Die Entwicklung in Richtung personalisierter und evidenz-basierter Medizin in Kombination mit „Precision Medicine“ stellt hohe Anforderungen an Mediziner und IT-Systeme.

Um im Rahmen der personalisierten Medizin die bestmögliche Behandlung für einen Patienten zu finden, muss eine Vielzahl an Informationen erfasst, verknüpft und gemeinsam betrachtet werden. Hierzu zählen vorrangig Beobachtungsdaten des Patienten wie Patientendaten und Dokumente aus dem KIS, EMR, Labor oder Bilddaten. Der Ansatz der „Precision Medicine“ erfordert eine noch granularere Erfassung der spezifischen Parameter und Eigenschaften des Patienten wie z.B. Genomdaten, die Umgebung und den Lebensstil, um eine noch exaktere Bestimmung der geeignetsten Behandlung zu treffen.

Aber auch publiziertes medizinisches Wissen aus Fachbüchern, Guidelines oder Fachartikeln ist essentiell, um evidenz-basierte Entscheidungen zu treffen. Diese Menge an Informationen muss von IT-Systemen zugänglich und effektiv verarbeitbar gemacht werden, um eine Informationsüberflutung zu verhindern.

Neben der Kenntnis der Krankengeschichte eines Patienten gewinnen höhere Spezialisierung und das Wissen zu neuesten Forschungsergebnissen und Methoden stetig an Bedeutung. Dies führt zu einer Zunahme der Komplexität von klinischen Guidelines und der Auswahl von Behandlungen. Gleichzeitig werden aber die Ressourcen und Zeitpläne immer knapper.

Wie wäre es daher, wenn Mediziner mit einem einzigen Klick einen Überblick über alle relevanten Informationen erhielten, die einen bestimmten Patienten betreffen? Wie wäre es, wenn sie Fragen stellen könnten und sinnvoll gefilterte Antworten bekämen, vielleicht sogar in natürlicher Sprache? Hier geht es nicht nur um Daten aus dem KIS oder anderen patientenführenden klinischen Systemen, sondern auch um medizinische Literatur, neueste Forschungsergebnisse, Fachartikel, Teilnahmekriterien für klinische Studien oder klinische Behandlungspfade – alles auf den konkreten aktuellen Patienten personalisiert zugeschnitten.

Durch den exponentiellen Anstieg an medizinischen Daten wird es für Experten immer schwieriger, wenn nicht unmöglich, das auf der Welt vorhandene Wissen vollständig zu lesen und zu kennen.

In Zukunft wird es immer wichtiger sein, aus der Vielzahl an Daten die derzeit relevanten Informationen gezielt und rasch herausfiltern zu können und diese entsprechend anzuwenden. Dies ist nicht trivial, denn die Definition von „relevante Information“ ist durchaus relativ und abhängig vom Kontext und Anwendungsfall. Das kognitive System IBM Watson unterstützt genau in diesem Bereich und sorgt dafür, dass Ärzte ihre Zeit optimal für die Patientenbehandlung nutzen können.

Antje Niemeyer, IBM Watson Health Leader, DACH

Foto: Fotoatelier Ebinger

Was denken Sie?

Kommentare

  1. Renate S.

    Ich habe auch eher den Eindruck, dass Datenerhebung und -analyse mir als Patienten nur weiterhelfen würde. In Sachen Datenschutz kommt es dabei dann an, was genau erhoben wird. Da wird man in Zukunft sicher aber auch immer noch gefragt, was und ob man etwas zur Verfügung stellen will. Sehe das insgesamt erstmal positiv.

    vor 1 Jahr

Ihr Kommentar

Wollen Sie namentlich in der Diskussion genannt werden?

Schliessen Kreuz Created with Sketch.

Regelmäßige Neuigkeiten aus dem Land der Gesundheit