ArchivDeutsches Ärzteblatt43/2013Healthcare Analytics: Ineffizienz im System verringern

TECHNIK

Healthcare Analytics: Ineffizienz im System verringern

Dtsch Arztebl 2013; 110(43): A-2036 / B-1800 / C-1760

Krüger-Brand, Heike E.

Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...
LNSLNS

Die intelligente Analyse großer Datenmengen in der Medizin birgt vielfältige Potenziale. IT-Unternehmen arbeiten an einsatzfähigen Lösungen.

Foto: iStockphoto
Foto: iStockphoto

Eines der größten Probleme im Gesundheitswesen ist nach Meinung vieler Experten die Tatsache, dass die vorhandenen Daten nicht genutzt werden. Nach Analysen des IBM Institute for Business Value ist das Gesundheitswesen weltweit Spitzenreiter bei der Systemineffizienz. Für Deutschland hat das Institut eine Systemineffizienz von 40 Prozent errechnet. Das berichtete Ivo Körner, IBM Deutschland, bei der zweiten „Healthcare Analytics“-Konferenz des Hightech-Verbandes Bitkom Mitte September in Berlin. So kommt es beispielsweise jährlich zu 680 000 Fehlindikationen und 1,5 Millionen Fällen von Arzneimittelnebenwirkungen.

Anzeige

Gleichzeitig haben es Ärzte und Krankenhäuser mit immer größeren Datenmengen und komplexen Krankheitsbildern zu tun. Kein einzelner Arzt kann letztlich Schritt halten mit dem Wissenswachstum. „90 Prozent des weltweiten Datenvolumens ist in den letzten zwei Jahren entstanden“, meinte Körner. Davon seien 80 Prozent unstrukturiert, das heißt, die Informationen liegen als Texte, Bilder, Videos oder Audiodateien vor (Kasten).

Vier Herausforderungen

Die Hoffnung der Experten richtet sich daher auf die Healthcare-IT als Werkzeug, die Ineffizienz zu verringern und relevante Informationen zum richtigen Zeitpunkt verfügbar zu machen. Vier große Herausforderungen müssen dabei bewältigt werden: das riesige Volumen, die Geschwindigkeit bei der Echtzeitverarbeitung (Verfügbarkeit), die Unstrukturiertheit und Vielfalt der Daten sowie die Unsicherheit aufgrund von Mehrdeutigkeit und Inkonsistenzen (Verlässlichkeit).

Beispiel Medizin: Der Arzt muss verschiedene Informationen integrieren und analysieren und leitet daraus Indikation und Therapie ab. Die Frage sei: Wie kann man ihn dabei unterstützen? Eine Antwort darauf gibt IBM mit dem 2006 gestarteten Forschungsprojekt „Watson“, in dem es um die Möglichkeit geht, kognitive Entscheidungssysteme aufzubauen, die den Menschen in seiner Entscheidungsfindung unterstützen können. Ein wichtiger Anwendungsbereich ist dabei die Medizin. Die Vorteile eines lernenden, evidenzbasierten Systems: Watson beantwortet nicht nur Fragen, sondern gibt gleichzeitig anhand von Studien, Datenquellen etc. eine Wahrscheinlichkeit an, wie sicher das Ergebnis zutrifft („Confidence“). Darüber hinaus ist die Verarbeitungsgeschwindigkeit der medizinischen Information extrem hoch, und im Unterschied zum Menschen vergisst das System nichts.

Seit August 2012 habe man in einer Partnerschaft mit dem US-amerikanischen Gesundheitsdienstleister Wellpoint mit der Kommerzialisierung des Systems begonnen, berichtete Körner. Zudem werde Watson in der Onkologie von verschiedenen Kliniken in den USA genutzt, um Strukturen und systematische Zusammenhänge schneller zu erkennen und genauere Diagnosen zu stellen. Derzeit sind die Anwendungsgebiete vor allem beim Lungenkarzinom zu finden, aber auch kardiovaskuläre Erkrankungen rücken in den Fokus. Das System macht Vorschläge zu Diagnosen, schlägt Tests und weitere medizinische Untersuchungen vor, aber: Es sei der Arzt, der weiterhin entscheide, denn „die Algorithmen können niemals den Arzt ersetzen“, so Körner. Über mobile Technologien soll Watson zudem künftig für eine breitere Anwenderbasis verfügbar gemacht werden. Auch läuft ein Feldtest, in dem unstrukturierte Daten, wie etwa Twitter, Kurznachrichten, Facebook und weitere Quellen in das Analysewerkzeug zur Auswertung eingespeist werden.

Big Data als Business-Thema

Supercomputer Watson in der USamerikanischen Quizshow Jeopardy. Foto: IBM Research Zürich
Supercomputer Watson in der USamerikanischen Quizshow Jeopardy. Foto: IBM Research Zürich

„Big Data ist kein IT-, sondern ein Business-Thema“, befand Marc Wilczek von T-Systems. Während es lange Zeit darum gegangen sei, strukturierte Daten in Datenbanken in Echtzeit auszuwerten, gehe es jetzt um die Nutzung unstrukturierter Daten, wie sie etwa in großen Netzwerken anfallen. Das Analysewerkzeug hierfür ist „Hadoop“, ein freies, Java-basiertes Open-Source-Framework für die verteilte Verarbeitung großer Datenmengen innerhalb eines Netzwerks. Inzwischen ist Hadoop bei vielen Firmen mit großem Datenumsatz im Einsatz, darunter Facebook, Twitter, Apple und Amazon, es lässt sich aber auch in der medizinischen Forschung, etwa für epidemiologische Studien, einsetzen.

Einen Big-Data-Mehrwert im Gesundheitswesen verortete der Experte vor allem im personalisierten Gesundheitsmanagement (Beispiel: Telemonitoring) sowie bei der Analyse anonymisierter Daten. T-Systems sei kürzlich mit dem Hadoop-Anbieter Cloudera eine strategische Partnerschaft für die Bereitstellung von cloudbasierten Datenanalyselösungen eingegangen. Das Unternehmen analysiere mehr als 40 Milliarden klinischer Datensätze von mehr als 13 Millionen Patienten, erläuterte Wilczek. Das Thema „medical decision support“ werde zwar oft kontrovers diskutiert, aber solche Systeme könnten einen wichtigen Beitrag zur Patientensicherheit liefern – ähnlich wie bei einem Assistenzsystem im Auto.

Heike E. Krüger-Brand

Vielfältige Datenquellen

Im Gesundheitswesen fallen in vielen Bereichen große Datenmengen an, die erfasst und analysiert werden müssen. Beispiele:

  • Unstrukturierte Daten aus Social-Media-Quellen, die etwa zur epidemiologischen Forschung genutzt werden können
  • Un- oder halbstrukturierte Dokumente wie Daten aus Krankenhausinformationssystemen, Arztnotizen, E-Mails oder sonstige auf Papier festgehaltene Informationen
  • Daten aus Sensoren und anderen medizinischen Messgeräten (Machine-to-Machine-Data)
  • Biometrische Daten, wie insbesondere Sequenzierungen des menschlichen Genoms, Daten aus bildgebenden Verfahren wie beispielsweise Röntgen, CT, MRT, Puls oder Blutdruck
  • Daten aus großen Transaktionen im Rahmen der Routineversorgung wie etwa Rezepte, Gesundheitsabrechnungen oder sonstigen Belegen, Rechnungen

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.

Fachgebiet

Zum Artikel

Anzeige

Alle Leserbriefe zum Thema