Digitales Gesundheitsnetzwerk ermöglicht bessere Patientenversorgung


Dominik Bertram

Von Dominik Bertram, Leiter des Entwicklungsbereichs „Personalisierte Medizin“ bei SAP

Daten sind für die Wertschöpfung in Unternehmen heute unverzichtbar. Das gilt auch für die Medizin. Gerade in den letzten Jahren hat der Markt neue Technologien hervorgebracht, die durchaus erschwinglich sind. So erlaubt etwa die Sequenzierung der nächsten Generation (NGS) einen Zugang zu den kompletten Genomen für nur einige Tausend Dollar.

Die Daten sind verfügbar, die Technologie ist es auch. Es geht nun darum, beides sinnvoll zusammenzubringen. Die Basis dafür sind umfassende und anspruchsvolle Datenanalysen. Solche Analysen sind zum Beispiel für die personalisierte Medizin von enormem Wert. Leider aber existiert immer noch eine erhebliche Lücke zwischen den verfügbaren Daten und deren Nutzung in der medizinischen Praxis. Anders als in vielen anderen Branchen sind die Fähigkeiten, große Datenmengen gezielt zu verwerten, in der Medizin noch durchaus optimierungsfähig.

Die Chancen und Potenziale von (Big)-Data-Analysen müssen heute eigentlich nicht mehr ausführlich dargelegt werden. Nur ein Beispiel: In der Medizin kann datenzentriertes Arbeiten Einblicke in Abhängigkeiten bieten, die vorher nicht erkennbar waren. Um etwa die komplexen biologischen Zusammenhänge bei den Volkskrankheiten zu verstehen, braucht es hochwertige patientenbezogene Informationen. Diese stehen jedoch derzeit noch nicht im erforderlichen Umfang zur Verfügung oder sind nicht zugänglich. Daher müssen sich Ärzte vor allem auf ihre persönlichen Bewertungen verlassen – die jedoch nicht auf validierten Beweisen beruhen. Unabhängig vom individuellen Behandlungserfolg führt diese Praxis „nach Bauchgefühl“ auch mit Blick auf die Kosten nicht immer zum bestmöglichen Ergebnis.

Datenlimits setzen evidenzbasierter Medizin enge Grenzen

Üblicherweise werden neue Medikamente in klinischen Tests nur an ausgewählten Probanden auf ihre Wirksamkeit geprüft. Daraus lässt sich die tatsächliche Wirkung auf breiter Basis und über längere Zeit leider nur schwer ableiten. Benötigt würde hierfür eine deutlich größere Datengrundlage. Genau diese Informationen liegen aber in der Regel nicht vor. Nicht zuletzt deshalb bewegt sich der Wirkungsgrad von Arzneimitteln gegen komplexe Krankheiten bei lediglich 20 bis 40 Prozent. Die Verantwortlichen haben schlicht und einfach keine Erkenntnisse darüber, bei wem das Medikament wirkt – und warum.

Dabei ginge es auch ganz anders. Hilfreich wäre zum Beispiel, klinische Richtlinien unmittelbar und objektiv von konkreten Behandlungsergebnissen abzuleiten und ständig zu verbessern. Eine Identifikation komplexer Muster, wie Patienten mit Begleiterkrankungen auf bestimmte Behandlungsoptionen reagieren, würde die Ableitung der vielversprechendsten Therapie ermöglichen. Ärzte könnten in einer umfangreichen Datenbank nach Referenzfällen für ihre Patienten suchen und verschiedene Behandlungsoptionen recherchieren. Eine solche datenbasierte Unterstützung fördert letzten Endes auch die Motivation, Therapieoptionen den Patienten gegenüber transparenter zu kommunizieren und gemeinsame Entscheidungen zu treffen.

Ein EDV-System mit umfassenden und sicheren Datenaustausch- und Datenanalyse-Mechanismen wäre vor diesem Hintergrund weit mehr als ein Tool zur Rechnungsstellung. Aus Sicht vieler Ärzte ist die Dateneingabe derzeit noch vor allem eine ungeliebte Pflicht mit wenig Relevanz für die medizinische Arbeit. Wenn diese Informationen aber zeitnah auswertbar werden und neue Sinnzusammenhänge aufzeigen, wären sie von unschätzbarem Wert für die allgemeine Gesundheitsversorgung und könnten ganz neue Potenziale erschließen.

Technische Grundlagen und neues Bewusstsein schaffen

Vier Bedingungen müssen für ein digitales Gesundheitsnetzwerk erfüllt sein. Dazu gehört erstens eine IT-Plattform, die verschiedene Datenstandards verarbeiten und um neue erweitert werden kann. Zweitens muss diese Plattform die relevanten Ergebnisse in Echtzeit anzeigen können. Der dritte Punkt ist die Anreicherung des Systems mit ausführlichen Patienteninformationen. Viertens und letztens ist entscheidend, dass ein solches Netzwerk auch und vor allem von „Meinungsführern“ genutzt wird. Ihre Vorbildfunktion stellt sicher, dass die erforderliche kritische Masse an Anwendern erreicht werden kann.

Eine Frage muss in jedem Fall geklärt sein: Wie sollen die Daten aufbewahrt werden? Die zentralisierte Sammlung und Speicherung ist angesichts der Datensensibilität keine Lösung. Die jeweiligen Netzwerk-Nutzer verfolgen zudem unterschiedliche Ansätze und Ziele – und nicht zuletzt dürften die Daten in einem solchen Fall auch gleichzeitig mehreren Standards und Normen unterliegen, die nicht immer miteinander vereinbar sind.

Unter diesen Umständen böte sich natürlich zuvorderst eine Art „föderalistisches System“ an, das immer nur klar definierte Teile der vorhandenen Daten-Gesamtmenge verfügbar macht. In diesem Rahmen ließen sich auch verschiedene Systeme und Datentypen harmonisieren. Wichtig ist dabei, dass Patienten die vollständige Entscheidungsgewalt darüber behalten, ob ihre Daten überhaupt erhoben werden.

Davon abgesehen gilt: Wie bei allen Netzwerken wächst der Nutzen mit der Zahl der Teilnehmer. Mit der Ausnahme, dass es zusätzlich zur Masse in diesem Fall ganz besonders auch auf die Klasse des Netzes ankommt.

Vier Komponenten für ein digitales Gesundheitsnetzwerk

  • Eine offene IT-Plattform, die zahlreiche Datenstandards und Datenmodelle erkennt und um neue Algorithmen und Methoden erweitert werden kann.
  • Rückmeldungen in Echtzeit, um den Nutzern Einblicke in den klinischen Prozess zu ermöglichen.
  • Ausführliche Informationen zu Patienten bis auf die genetische Ebene – einschließlich der Aufnahme von Genomdaten sowie Informationen von „Wearables“ in die Patientenakten.
  • Kritische Masse namhafter Nutzer für eine statistische Aussagekraft und weitere Wachstumsimpulse über Ländergrenzen und Indikationsgebiete hinweg.