Die digitale Arztpraxis E-Book

• Herausgeber: MWV Medizinisch Wissenschaftliche Verlagsgesellschaft mbH & Co. KG
• Kategorie: Fachliteratur
• Sprache: Deutsch

Seitenzahl: 438

Veröffentlichungsjahr: 2022

Beschreibung

Digitalisierung bedeutet keinesfalls nur die Transformation analoger in digitale Werkzeuge („E-Mail statt Fax“). Die Digitalisierung wird alle Facetten der Medizin beeinflussen: Diagnostik und Therapie, Prozesse und Prozeduren, Dokumentation und Kommunikation werden sich radikal wandeln und mit ihnen der Arbeitsalltag in der Arztpraxis wie wir sie kennen. Nicht nur die Rolle des Arztes wird eine andere sein, auch die der Patienten ist im Umbruch: Patienten sind heute bestens informiert, anspruchsvoll und nicht selten digital vernetzt. Bewertungsportale, Patientenforen, die Selbstüberwachung und -optimierung der eigenen Gesundheit durch Wearables und Smart Devices aufseiten der Patienten, Telemedizin, Algorithmen und digitale Arbeitsmittel werden das Rollenverständnis im Arzt-Patienten-Verhältnis durcheinanderwirbeln. Keine Arztpraxis kann sich diesen Veränderungen entziehen. Allerdings bestehen große Unsicherheiten in Bezug auf diese unausweichliche Transformation, mit der sich Arztpraxen auseinandersetzen müssen. Auch verfügbare Quellen, um sich in der Niederlassung zu informieren und Modifikationen zu definieren, sind rar. Wer definiert einen neuen Standard? Was bringt die Zukunft und was bedeutet das alles für den ambulanten Sektor der Medizin? „Die digitale Arztpraxis“ füllt die Wissenslücken und vermittelt alle wesentlichen Fragen rund um die digitale Transformation. Das Werk ist systematische Anleitung und Navigationshilfe in einem dynamischen Wissensgebiet, gibt praktische Tipps und wagt einen Blick in die Zukunft.

Leseprobe

M. Henningsen | P. Stachwitz | S. Fahimi-Weber (Hrsg.)

Die digitale Arztpraxis

Technik, Tools und Tipps zur Umsetzung

mit Beiträgen von

B. Afzali | N. Altmann | J. Aulenkamp | C. Barufke | F. Beege | L. Behrens S. Bernhardt | A. Bogusch | C. Braun | F. Burg | P. Burggraf | C. Czeschik J.F. Debatin | S. Ebener | P. Emami | T. Esch | A. Fischer | T.D. Gantner | B. Gibis D. Gotthardt | M. Henningsen | C. Hillen | I. Holthusen | A. Jorzig | M. Kindler T. Kriedel | A. Kulin | M. Langguth | A. Lehmann | M. Leyck Dieken | C. Liu D. Matusiewicz | F. Nensa | O. Neumann | O.G. Opitz | G. Otto | I. Rascher C. Remschmidt | N. Rosen | L. Scheer | P. Stachwitz | C. Steinfeld | R. Voigt A.-K. Weigand | C.-C. Weiß | T. Willaschek | J. Wunderwald

Medizinisch Wissenschaftliche Verlagsgesellschaft

Die Herausgeber:innen

PD Dr. med. Maike Henningsen

Universität Witten/Herdecke

Department für Humanmedizin

Fakultät für Gesundheit

Pferdebachstraße 11

58448 Witten

Dr. med. Philipp Stachwitz

E-Health Consulting

Münzstraße 5

10178 Berlin

Dr. med. Shabnam Fahimi-Weber

Takuta GmbH – dubidoc.de

Rellinghauser Straße 111

45128 Essen

MWV Medizinisch Wissenschaftliche Verlagsgesellschaft mbH & Co. KG

Unterbaumstraße 4

10117 Berlin

www.mwv-berlin.de

ISBN 978-3-95466-577-8

Bibliografische Information der Deutschen Nationalbibliothek

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Informationen sind im Internet über http://dnb.d-nb.de abrufbar.

© MWV Medizinisch Wissenschaftliche Verlagsgesellschaft Berlin, 2022

Dieses Werk ist einschließlich aller seiner Teile urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten.

Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Im vorliegenden Werk wird zur allgemeinen Bezeichnung von Personen nur die männliche Form verwendet, gemeint sind immer alle Geschlechter, sofern nicht gesondert angegeben. Sofern Beitragende in ihren Texten gendergerechte Formulierungen wünschen, übernehmen wir diese in den entsprechenden Beiträgen oder Werken.

Die Verfasser haben große Mühe darauf verwandt, die fachlichen Inhalte auf den Stand der Wissenschaft bei Drucklegung zu bringen. Dennoch sind Irrtümer oder Druckfehler nie auszuschließen. Der Verlag kann insbesondere bei medizinischen Beiträgen keine Gewähr übernehmen für Empfehlungen zum diagnostischen oder therapeutischen Vorgehen oder für Dosierungsanweisungen, Applikationsformen oder Ähnliches. Derartige Angaben müssen vom Leser im Einzelfall anhand der Produktinformation der jeweiligen Hersteller und anderer Literaturstellen auf ihre Richtigkeit überprüft werden. Eventuelle Errata zum Download finden Sie jederzeit aktuell auf der Verlags-Website.

Produkt-/Projektmanagement: Anja Faulenbach, Berlin

Copy-Editing: Monika Laut-Zimmermann, Berlin

Layout & Satz: zweiband.media, Agentur für Mediengestaltung und -produktion GmbH, Berlin

Druck: druckhaus köthen GmbH & Co. KG, Köthen

Titelbild: © Adobe Stock/berCheck

Zuschriften und Kritik an:

MWV Medizinisch Wissenschaftliche Verlagsgesellschaft mbH & Co. KG, Unterbaumstr. 4, 10117 Berlin, [email protected]

Geleitwort

Der Arztberuf unterliegt einem vielfältigen Wandel. Die Medizin der nächsten Jahre und Jahrzehnte wird noch ambulanter, noch weiblicher und noch stärker vernetzt sein, als sie es heute schon ist. Und für die Ärztinnen und Ärzte der nächsten Generation ist die Niederlassung in eigener Praxis mit Wochenarbeitszeiten von 60 Stunden keineswegs mehr das einzig denkbare Modell ihrer Berufsausübung. Teilzeit und die Arbeit in interdisziplinären Teams, digitale Vernetzung sowie die Arbeit vom heimischen Telemedizin-Arbeitsplatz aus sind für viele junge Kolleginnen und Kollegen nicht mehr nur Wunschtraum, sondern längst Realität.

Hinzu kommt, dass die demografische Entwicklung, also die Alterung unserer Gesellschaft, natürlich auch die Ärzteschaft betrifft.

Durch die generelle Alterung der Gesellschaft und die in den Ruhestand tretende Generation der Babyboomer ist zu erwarten, dass die Zahl der behandlungsbedürftigen Menschen steigen und die Anzahl der berufstätigen Ärztinnen und Ärzte sinken wird – eine doppelte demografische Herausforderung in einer der ältesten Gesellschaften der Welt. Schon heute sehen wir – nicht mehr nur auf dem Land, sondern längst auch in den Ballungsräumen –, dass die „Ressource Arzt“ nicht nur ein wertvolles, sondern auch ein rarer werdendes Gut ist. Wir werden es uns in Zukunft noch weniger leisten können, durch eine hohe Bürokratielast und die Befassung mit nichtoriginären Aufgaben wertvolle Arzt-Zeit zu verschwenden.

Für die Generation der Digital Natives, für die Geburtsjahrgänge ab den 80er-Jahren also, lautet die Antwort auf viele dieser Herausforderungen ohne jeden Zweifel: stärkere Digitalisierung und stärkere digitale Vernetzung der Medizin.

Die jüngeren und jungen Fach- und Oberärztinnen und -ärzte von heute sind in Schule und Studium groß geworden mit Computern und Internet, mit Virtual Reality, dem digitalen Zugriff auf medizinisches Fachwissen, Algorithmen-basierter Entscheidungsunterstützung und nicht zuletzt mit mobilen Devices wie Smartphones und Tablets. Diese Kolleginnen und Kollegen, die schon jetzt und erst recht in den nächsten Jahren und Jahrzehnten als Haus- und Fachärzte in die ambulante Tätigkeit wechseln werden, haben nicht nur keine Berührungsängste mit der Informationstechnologie. Nein, sie fordern sie ein, sie sehen sie als integralen Bestandteil ärztlichen Handelns und haben kein Verständnis dafür, wenn die technischen Voraussetzungen nicht oder nur ungenügend zur Verfügung stehen.

Das vorliegende Werk trifft also in vielfältiger Hinsicht den Nerv der Zeit. Einerseits zeigt es im wahrsten Wortsinn praxisnah auf, wie „Die digitale Arztpraxis“ schon heute aussehen kann und was dafür erforderlich ist. Andererseits vermittelt es aber auch Visionen und neue Konzepte einer nicht mehr allzu weit entfernten Zukunft der digitalen Medizin im ambulanten Bereich.

Nicht jeder Beitrag wird bei allen Kolleginnen und Kollegen auf ungeteilte Zustimmung stoßen, sondern mitunter auch Widerspruch hervorrufen. Aber gerade das ist der Wert dieses Buches. Es wird mit seiner Vielfalt der Perspektiven und Themen dazu beitragen, dass Ärztinnen und Ärzte sich aktiv, konstruktiv und gestaltend einbringen können in den Prozess der digitalen Transformation der Medizin.

Ich wünsche dem Werk eine breite Leserschaft. Denn das qualifizierte und kenntnisreiche Engagement der Ärzteschaft wird notwendig sein, um eine Medizin zu erhalten, die durch die Nutzung der Chancen der Digitalisierung bei höchstem fachlichem Niveau dem Menschen zugewandt bleibt und deren wichtigste Basis auch in Zukunft die vertrauensvolle und persönliche Beziehung zwischen Arzt und Patient bleiben wird.

Dr. med. (I) Klaus Reinhardt

Präsident der Bundesärztekammer

Januar 2022

Vorwort

Die Digitalisierung des Gesundheitssystems ist in aller Munde und macht auch vor den Arztpraxen nicht halt. Neben Anwendungen der Telematikinfrastruktur mit ihren medizinischen Inhalten (wie dem Notfalldatensatz, dem elektronischen Medikationsplan und der elektronischen Patientenakte), die seit Anfang 2021 nun tatsächlich in den Praxen schrittweise implementiert werden, halten auch andere Technologien von privatwirtschaftlichen Anbietern Einzug in die ambulante Versorgung.

Videosprechstundenanbieter sind ebenso präsent wie Apps zu verschiedenen Indikationen, Künstliche-Intelligenz-Lösungen sollen bei der ärztlichen Entscheidungsfindung helfen, Virtual Reality unterstützt Arzt und Patient. Große Technologieunternehmen planen gar Krankheiten zu erkennen, weiter abzuklären und dann eine Therapie auf Distanz durchzuführen. All dies geschieht teilweise schon jetzt völlig unabhängig vom klassischen Vertragsarzt, der sich immer häufiger in einer ganz neuen Rolle wiederfindet. Es ist schwer vorherzusagen, wie sich die Zukunft des ambulanten Sektors weiterentwickeln wird, es kann aber vermutet werden, dass es für den digital nicht interessierten Arzt schwer sein wird, sich in dieser Welt zurecht zu finden.

In den letzten Jahren wurde aber auch deutlich, dass immer mehr niedergelassene Ärztinnen und Ärzte die Vorteile digitaler Lösungen für ihre Berufsausübung erkennen und nutzen. Zur verbesserten Organisation ihrer Praxisabläufe, zur vereinfachten Kommunikation mit Patientinnen und Patienten sowie mit Arztpraxen, Krankenhäusern und anderen Einrichtungen im Gesundheitswesen. Und nicht zuletzt wird klar, dass die Digitalisierung die Qualität der eigentlichen Versorgung verbessern kann, wenn z.B. Vorbefunde die Anamnese ergänzen oder vom Patienten selbst generierte Daten in die Behandlung mit einfließen können.

Dieses Buch erhebt keinen Anspruch darauf, einen vollständigen Überblick über alle digitalen Lösungen geben zu können, die in den nächsten Jahren von Bedeutung für die Arztpraxen in Deutschland sein werden. Es soll vielmehr einen Einblick in die sich rapide weiterentwickelnde Welt ermöglichen und zur eigenen Recherche im Verlauf anregen. Dieses Buch will somit zweierlei tun:

Erstens sollen Themen adressiert werden, die ungeachtet der einzelnen digitalen Lösung oder eines Anbieters immer relevanter werden. Hier geht es zum Beispiel um die Sichtbarkeit der eigenen Praxis und des eigenen medizinischen Angebots. Etwas, was die Anbieter der privaten Wirtschaft und viele Dienstleistungssektoren unter massiver Nutzung des Internets bereits meisterhaft beherrschen. Und es geht um Themen, die bei einer Digitalisierung des Gesundheitswesens immer mitgedacht werden müssen, wie Kommunikation, Patientenzentrierung, rechtliche Grundlagen, den Datenschutz und nicht zuletzt die Ethik.

Zweitens beschäftigt sich das Buch neben diesen übergreifenden Themen, die wie eine Klammer um die Digitalisierung des Gesundheitswesens gesehen werden können, mit den durch die (ärztliche) Selbstverwaltung und die Politik (und in deren Auftrag auch durch die gematik) konzipierten und gesteuerten digitalen Lösungen, die eingangs bereits genannt wurden.

Und zu guter Letzt werden Schlaglichter auf einzelne Unternehmen geworfen, die in Deutschland und international bereits digitale Gesundheitslösungen anbieten und diese im Markt implementiert haben. Diese Lösungen stellen – ungeachtet der staatlich vorangetriebenen Digitalisierung – weitergedachte Konzepte dar, die das Potenzial haben, die Arbeit der Ärztinnen und Ärzte in der ambulanten Versorgung in der Zukunft massiv zu verändern.

Das vorliegende Buch soll vor allem zur Mitgestaltung anregen. Dafür bietet es theoretische Hintergründe und Visionen, aber auch praxisnahe Einblicke und schnell umsetzbare Lösungsvorschläge für den Alltag der Arztpraxis. Es gibt zahllose Möglichkeiten, eigene digitale Lösungen zu kreieren oder bestehende Angebote in die eigene Arbeit zu implementieren. Es spricht nichts dagegen, eine eigene medizinische App zu entwickeln oder das eigene digitale Angebot der Praxis zu erweitern.

Dieses Buch hat aber abseits des praktisch Umsetzbaren außerdem den Anspruch, ambulant tätige Ärztinnen und Ärzte (und alle, die sich für deren Tätigkeit interessieren) zum Nachdenken anzuregen und ihnen neue Impulse zu geben. Denn mittelfristig werden wir überdenken müssen, was wir Ärzte gut können und wofür wir stehen. Wir werden herausarbeiten müssen, wie sich die wohnort- und patientennahe Medizin im digitalen Dschungel in den nächsten Jahren und Jahrzehnten positionieren soll. Denn Daten zu analysieren, alles medizinische Wissen zu einem Thema zu beherrschen oder gemäß der Leitlinien einen nächsten richtigen diagnostischen oder therapeutischen Schritt vorzuschlagen – das werden im Zweifel digitale Programme in Zukunft effizienter für uns übernehmen können.

Maike Henningsen, Philipp Stachwitz, Shabnam Fahimi-Weber

Januar 2022

Die Autorinnen und Autoren

Dr. med. Bahman Afzali

docport Services GmbH

Düsseldorf

Nina Altmann, M.A.

Sozialer Dienst

Heinrich-König Seniorenzentrum der

Arbeiterwohlfahrt

Bochum

Jana Aulenkamp

Universitätsmedizin Essen

Essen

Constanze Barufke

D+B Rechtsanwälte Partnerschaft mbB

Berlin

Dr. Frank Beege

Gotthardt Healthgroup AG

Heidelberg

Lina Behrens, MPA

Flying Health

Berlin

Sebastian Bernhardt

Sebastian Bernhardt Digital Health

Berlin

Andreas Bogusch

Medgate Deutschland GmbH

Berlin

Dr. med. Christian Braun

Medgate Deutschland GmbH

Berlin

Florian Burg

HealthCare Futurists GmbH

Köln

Paul Burggraf

mHealth Pioneers GmbH

Berlin

Dr. med. Christina Czeschik

Serapion

Essen

Prof. Dr. med. Jörg F. Debatin

Health Innovation Hub des Bundesministeriums für

Gesundheit

Berlin

Dr. Stefan Ebener

Google Germany GmbH

Frankfurt

Dr. med. Pedram Emami, MBA

Ärztekammer Hamburg KdÖR

Hamburg

Prof. Dr. med. Tobias Esch

Universität Witten/Herdecke

Fakultät für Gesundheit

Institut für Integrative Gesundheitsversorgung und

Gesundheitsförderung

Dr. med. Andy Fischer

Medgate Holding AG

Basel

Dr. med. Tobias D. Gantner, MBA, LL. M.

HealthCare Futurists GmbH

Köln

Dr. med. Bernhard Gibis, MPH

Kassenärztliche Bundesvereinigung

Berlin

Prof. (apl.) Dr. med. Daniel Gotthardt

Gotthardt Healthgroup AG

Heidelberg

PD Dr. med. Maike Henningsen

Universität Witten/Herdecke

Department für Humanmedizin

Fakultät für Gesundheit

Dr. med. Christoph Hillen, MBE

Universitätsklinikum Hamburg-Eppendorf

Hamburg

Imeke Holthusen

Kassenärztliche Bundesvereinigung

Berlin

Prof. Dr. iur. Alexandra Jorzig

JORZIG Rechtsanwälte

Düsseldorf

Manfred Kindler

Werne

Dr. Thomas Kriedel

Kassenärztliche Bundesvereinigung

Berlin

Admir Kulin

m.Doc GmbH

Köln

Mark Langguth

Langguth.Digital

Berlin

Alexandra Lehmann

Universität Bayreuth

Lehrstuhl für Produktionswirtschaft und

Industriebetriebslehre

Dr. med. Markus Leyck Dieken

gematik GmbH

Berlin

Chenchao Liu

SILREAL GmbH

Berlin

Prof. Dr. David Matusiewicz

FOM | Hochschule für Oekonomie & Management

Essen

PD Dr. med. Felix Nensa

Universitätsklinikum Essen

Institut für Diagnostische und Interventionelle

Radiologie und Neuroradiologie

Institut für Künstliche Intelligenz in der

Medizin (IKIM)

Oliver Neumann

Projekt Businessdoc/CyberDoc GmbH

Dortmund und Münster

Prof. Dr. med. Oliver G. Opitz, AGAF

Heinrich Lanz Zentrum und Koordinierungsstelle

Telemedizin

Baden-Württemberg

Gudrun Otto

Businessdoc

Hamburg

Ingolf Rascher

Management for Health – INT

Bochum

PD Dr. med. Cornelius Remschmidt

D4L data4life gGmbH

Potsdam

Nicholas Rosen

Exaris Solutions GmbH

Krefeld

Laurenz Scheer, M.A.

Universität Witten/Herdecke

Fakultät für Gesundheit

Institut für Integrative Gesundheitsversorgung und

Gesundheitsförderung

Dr. med. Philipp Stachwitz

Health Innovation Hub des Bundesministeriums für

Gesundheit

Berlin

Christian Steinfeld

Exaris Solutions GmbH

Krefeld

Ronald Voigt

HealthCare Futurists GmbH

Köln

Ann-Kathrin Weigand, M.Sc.

Flying Health

Berlin

Christian-Cornelius Weiß

D4L data4life gGmbH

Potsdam

Dr. iur. Thomas Willaschek

D+B Rechtsanwälte Partnerschaft mbB

Berlin

Jacob Wunderwald

Kassenärztliche Bundesvereinigung

Berlin

Inhalt

1Digitalisierung im Gesundheitswesen: Ein Ausblick

Christina Czeschik, Manfred Kindler und Ingolf Rascher

Exkurs: Was die digitale Praxis vom digitalen Krankenhaus lernen kann

Jörg F. Debatin und Philipp Stachwitz

2Digitalisierung im Kontext: Neue Kompetenzen und Fähigkeiten

Pedram Emami, Christoph Hillen und Jana Aulenkamp

Exkurs: Telemedizin als Bestandteil der Regelversorgung in der Schweiz

Andy Fischer, Christian Braun, Andreas Bogusch und Maike Henningsen

3Rechtliche Rahmenbedingungen für Arztpraxen

Thomas Willaschek und Constanze Barufke

Exkurs: Digitale Transformation konkret: docport

Bahman Afzali

4Datenschutz und Datensicherheit

Alexandra Jorzig

Exkurs: Die Ohnearztpraxis

Tobias D. Gantner, Florian Burg und Ronald Voigt

5Praxismarketing digital – Social Media, Portale und Webseite für die Arztpraxis

Oliver Neumann und Gudrun Otto

Exkurs: Die datengetriebene Patientenzentrierung in der ambulanten Medizin

Stefan Ebener

6Die elektronische Patientenakte (ePA) der Telematikinfrastruktur

Mark Langguth

Exkurs: Der mobile, smarte und digitale Patient

Lina Behrens und Ann-Kathrin Weigand

7Das Praxisverwaltungssystem im Zeitalter der Digitalisierung

Sebastian Bernhardt

Exkurs: Thryve – Datenintegration von digital erhobenen Gesundheitsdaten als Schlüssel zur Medizin von morgen

Maike Henningsen und Paul Burggraf

8Digitale Kommunikation in der Praxis: Chancen, Risiken, Tipps und Tools

Nina Altmann, Laurenz Scheer und Tobias Esch

Exkurs: Daten sammeln und auswerten – die große Chance für die Medizin

Cornelius Remschmidt und Christian-Cornelius Weiß

9Die smarte Arztpraxis und das digitale Wartezimmer

Alexandra Lehmann und David Matusiewicz

Exkurs: Die digitale Arztpraxis in der Zukunft

Markus Leyck Dieken

10Telemedizin

Bernhard Gibis, Oliver G. Opitz, Imeke Holthusen, Jacob Wunderwald und Thomas Kriedel

Exkurs: Ping An Health (China)

Chenchao Liu

11Medizin digital: Die neue Art, Arzt zu sein, Decision Support

Frank Beege, Daniel Gotthardt und Felix Nensa

Exkurs: Die digitale Arztpraxis – kein Fluch, sondern Segen

Admir Kulin

Exkurs: Kennzahlen und betriebswirtschaftliche Benchmarks im digitalen Zeitalter

Nicholas Rosen und Christian Steinfeld

1

Digitalisierung im Gesundheitswesen: Ein Ausblick

Christina Czeschik, Manfred Kindler und Ingolf Rascher

Die Digitalisierung im Gesundheitswesen ist ein echtes Querschnittsthema: Sie betrifft fast ausnahmslos alle Bereiche von Medizin und Gesundheitswesen. Bei allem Potenzial, das digitale Methoden für das Wohl von Patient:innen und auch von Menschen in Gesundheitsberufen bieten, muss immer klar sein, dass die Digitalisierung kein Selbstzweck ist, sondern nur ein besonders starkes Werkzeug darstellt, das bei der Zielerreichung in Prävention und Gesundheitsversorgung helfen kann – wenn es richtig eingesetzt wird. Insbesondere müssen Entscheidungsträger:innen immer wieder der Versuchung wiederstehen, zwischenmenschlichen Kontakt komplett durch digitale Verfahren zu ersetzen. Vielmehr können digitale Helfer ihre Stärken besonders dort ausspielen, wo sie Menschen Routineaufgaben abnehmen und diese oft auch besser und effizienter erfüllen, damit Zeitressourcen für den zwischenmenschlichen Kontakt wieder frei werden.

Dieses Kapitel ist daher keine vollständige Darstellung der Digitalisierung im Gesundheitswesen, sondern eine zwangsläufig lückenhafte Auswahl von Themen, in denen in den nächsten Monaten, Jahren und Jahrzehnten besonders spannende und relevante Innovationen zu erwarten sind.

1.1Big Data und Precision Medicine

Praktisch alle Bereiche des Gesundheitswesens bewegen sich weg von der analogen Datenhaltung – etwa in Papierakten und Karteikarten – und hin zur Digitalisierung von Daten. Das bedeutet, dass auch Grenzen zwischen sogenannten Datensilos eingerissen werden: Daten, die zuvor in separaten Dokumenten und bei unterschiedlichen Akteuren lagen, können jetzt schnell und mit wenig Aufwand zusammengeführt werden. Dies führt auch zu neuen Herausforderungen: Je verfügbarer Daten gemacht werden, desto häufiger werden Datenschutzprobleme aufgeworfen. Die Kompatibilität und Übertragbarkeit von Daten werden wiederum im Forschungs- und Praxisfeld der Interoperabilität im Gesundheitswesen bearbeitet.

Zudem werden immer neue medizinisch-wissenschaftliche Methoden entwickelt, die vorher nie gekannte Datenmengen produzieren: etwa immer höher auflösende radiologische Verfahren oder die Sequenzierung von einzelnen Genen oder ganzen Genomen. Diese Datenmengen, die so groß sind, dass sie nur noch mit maschinellen Verfahren (maschinellem Lernen, Künstlicher Intelligenz) interpretiert werden können, bezeichnet man als „Big Data“.

Je detaillierter die vorhandenen Informationen über zu behandelnde Personen sind, desto genauer kann vorhergesagt werden, welchen Einfluss eine bestimmte Therapie auf den Verlauf ihrer Erkrankungen haben wird. So soll die Auswahl der Therapie in Zukunft wesentlich treffsicherer erfolgen als bisher. Dies wird als Präzisionsmedizin (Precision Medicine) oder personalisierte Medizin (Personalized Medicine) bezeichnet.

1.1.1Personalisierte Onkologie

Die Paradedisziplin für den Einsatz der Precision Medicine ist zurzeit die Onkologie. Statt wie in früheren Zeiten die drei Säulen der Onkologie – Chirurgie, Chemotherapie und Bestrahlung – lediglich in Abhängigkeit von histologischem Typ und groben Stadieneinteilungen einzusetzen, können nun mithilfe genetischer Informationen über den Tumor wesentlich differenziertere Therapieentscheidungen getroffen werden. Das bedeutet: Tumore, die histologisch gleich oder ähnlich aussehen, können durch unterschiedliche Mutationen verursacht sein, sogenannte Driver-Mutationen. Diese können dieselben oder unterschiedliche Signalwege innerhalb der Zelle betreffen. Je nach Mutation kann ein bestimmtes Chemotherapeutikum bei Kranken wirksam sein oder auch nicht – eine Information, die bisher kaum nutzbar gemacht werden konnte.

Durch die Sequenzierung des Genoms des Tumors soll in Zukunft die Treibermutation (bzw. werden die Treibermutationen) identifiziert, und im günstigsten Fall kann eine wirksame Therapie identifiziert und angewandt werden. Dies führt nicht prinzipiell dazu, dass die Therapien im Vergleich zur früheren Einteilung nach anatomischer Lage und Histologie immer weiter ausdifferenziert werden: Im Fall der Tumoren mit der Mutation V600E im BRAF-Gen können nun im Gegenteil Tumoren in der Brust, maligne Melanome und akute myeloische Leukämie gleichermaßen mit BRAF-/MEK-Inhibitoren behandelt werden (Cheng et al. 2018).

Diese Vorgehensweise ist jedoch noch bei Weitem nicht bei allen Krebserkrankungen anwendbar oder erfolgreich. Aktuell können nur in etwa 10% der Fälle von fortgeschrittenen Krebserkrankungen Mutationen identifiziert werden, die einen Einfluss auf die Therapieentscheidung haben. Zudem sind Tumore häufig genetisch heterogen, d.h. unterschiedliche Zellpopulationen weisen unterschiedliche Treibermutationen auf. Hinzu kommt, dass die Treibermutationen sich über die Zeit betrachtet ändern können; der Tumor oder Teile des Tumors werden resistent gegenüber einem Medikament (Nussinov et al. 2019).

Das Feld der personalisierten Onkologie, das durch die Entwicklung von Next-Generation-Sequencing-Methoden eröffnet wurde, steht also noch relativ am Anfang seiner Entwicklung. Nach der statischen Identifikation einer bestimmten Treibermutation, die nur in wenigen Fällen den Schlüssel zur erfolgreichen Therapie darstellt, müssen in Zukunft die Mutationen einer bösartigen Erkrankung in zwei weiteren Dimensionen betrachtet werden: ihre Verteilung im Tumor sowie ihre Veränderung über die Zeit.

Je komplexer die Daten werden, die einer klinischen Entscheidung zugrunde liegen, desto mehr werden maschinelle Verfahren benötigt, um sie für einen menschlichen Experten interpretierbar zu machen. Dies ist das Feld des maschinellen Lernens (Machine Learning) und der Künstlichen Intelligenz (Artificial Intelligence).

1.2Maschinelles Lernen (ML) und Künstliche Intelligenz (KI)

Beim maschinellen Lernen (ML) erkennen Algorithmen eigenständig oder mit menschlicher Hilfe Muster in großen Datenmengen. Diese können dann dazu verwendet werden, um Datensätze zu klassifizieren, Vorhersagen zu treffen oder Wahrscheinlichkeiten zuzuordnen. Beispielsweise können Röntgen-Thorax-Aufnahmen als malignitätsverdächtig oder nicht malignitätsverdächtig klassifiziert werden (im Sinne einer Ja/Nein-Klassifikation), oder es kann einem Bild eine bestimmte Wahrscheinlichkeit zugeordnet werden, dass es eine bösartige Veränderung enthält. In zahlreichen Forschungs- und Pilotprojekten werden die Sensitivität, Spezifität und andere Qualitätsmerkmale solcher Verfahren ermittelt, bevor der klinische Einsatz möglich ist.

Der Begriff der Künstlichen Intelligenz (KI) wird häufig gleichbedeutend mit dem maschinellen Lernen verwendet. Streng genommen ist maschinelles Lernen ein Baustein von Künstlicher Intelligenz; letztere schließt daneben auch andere Verfahren ein, die dazu dienen, Maschinen (annähernd) menschliches Verhalten zu ermöglichen. So zählen etwa Algorithmen, die eine möglichst natürlich aussehende Bewegung von Robotern steuern, ebenfalls zur Künstlichen Intelligenz, aber nicht zwingend zu Methoden des maschinellen Lernens. Im Forschungsgebiet der KI, das seit den 1950er-Jahren existiert, unterscheidet man schwache KI (engl.: „narrow AI“ oder „weak AI“) von starker KI („general AI“ oder „strong AI“). Für schwache KI existieren bereits zahlreiche funktionierende Beispiele: Es handelt sich hier um Künstliche Intelligenzen, die darauf spezialisiert sind, eine bestimmte Aufgabe genauso gut wie oder besser als ein Mensch auszuführen (etwa Routenplanung oder Bilderkennung). Eine echte starke KI dagegen wäre der menschlichen Intelligenz auch in ihrer Vielseitigkeit ebenbürtig, könnte sich also lernfähig auf neue Situationen einstellen und Entscheidungen auch unter Unsicherheit treffen. Eine echte starke KI ist nach aktuellem Stand des Wissens bis heute nicht entwickelt worden.

Die Einsatzbereiche von maschinellem Lernen und Künstlicher Intelligenz im Gesundheitswesen reichen von der Biomarker- und Pharmaforschung über die Diagnostik, etwa in Pathologie und Radiologie, bis hin zur klinischen Entscheidungsunterstützung, beispielsweise bei den oben genannten personalisierten Krebstherapien. Mithilfe von 3D-Druck und Robotik (mehr dazu in folgenden Abschnitten dieses Kapitels) beeinflussen sie neben dem virtuellen Raum auch die physische Realität Probleme und Herausforderungen

Ein häufig und zu Recht vorgetragener Kritikpunkt an KI in der Medizin ist die mangelnde Transparenz: Für den menschlichen Anwender ist nicht erkennbar, auf welchem Wege ein Algorithmus von den eingegebenen Daten hin zu einer Klassifikation oder Empfehlung gelangt. Der Algorithmus ist eine sogenannte Black Box, deren Innenleben dem Nutzer verborgen bleibt. Menschliche Fachpersonen dagegen können darüber Auskunft geben, welche Informationen ausschlaggebend für eine Entscheidung waren – warum beispielsweise eine Zellveränderung im mikroskopischen Bild als wahrscheinlich bösartig eingestuft wird. Diese Divergenz ist ein Grund dafür, dass KI-Verfahren im Gesundheitswesen bisher nur geringes Vertrauen genießen und sich insgesamt weniger durchgesetzt haben, als dies in früheren Jahren angenommen wurde.

Ein Beispiel dafür ist IBM Watson bzw. dessen Anwendung Watson for Oncology. Eine Studie hat gezeigt, dass diese für die Krebsmedizin entwickelte KI nur dann das Vertrauen ihrer Nutzer (der Onkologen) genoss, wenn sie zu einer übereinstimmenden Diagnose gelangt waren. In diesem Fall wurde das Votum der KI als Bestätigung der eigenen Diagnose akzeptiert. Wenn sich die Ergebnisse der menschlichen Fachpersonen und von Watson unterschieden, hielten diese den Output von Watson für fehlerhaft, nicht die eigene Diagnose (Bloomberg 2018).

Hinzu kommt: Ärztinnen und Ärzte müssen ihre Entscheidungen auch gegenüber Patient:innen begründen und erklären. Dies stellt die Fachleute vor die Frage, wie sie eine Diagnose oder Therapieentscheidung gegenüber dem Betreffenden rechtfertigen können, wenn sie nicht vollständig nachvollziehen können, wie diese zustande gekommen ist.

Der Wunsch nach mehr Transparenz in der KI ist durchaus begründet. Bias (Voreingenommenheit) von Algorithmen als Fehlerquelle entsteht beispielsweise durch unausgewogene Zusammensetzung von Trainingsdaten (den Daten, anhand derer ein KI-Algorithmus lernt, korrekte Entscheidungen oder Klassifikationen zu treffen). So arbeiten etwa diagnostische Algorithmen in der Dermatologie fehlerhaft bei der Diagnose von Hautkrebs bei dunkelhäutigen Patient:innen, wenn sie mit Bildern von mehrheitlich hellhäutigen Patient:innen trainiert worden sind (Lashbrook 2018).

1.2.1Responsible AI und Explainable AI

Die potenziell fatalen Auswirkungen des Einsatzes von KI in verschiedenen Fachbereichen und Wege, um diese zu vermeiden, werden seit einigen Jahren im einem Forschungsgebiet namens „Responsible AI“ („Verantwortungsbewusste KI“) untersucht. Das Forschungsfeld der „Explainable Artificial Intelligence“ (XAI, „Erklärbare KI“) beschäftigt sich ergänzend mit der Frage, wie Algorithmen menschlich verständliche Begründungen für ihre Entscheidungen liefern und damit die Transparenz erhöhen können.

(etwa eine Wahrscheinlichkeit oder eine Klassifikation) gezogen wurde. Erste Untersuchungen (Hosanagar u. Jair 2018) zeigen, dass das Vertrauen der Nutzenden in ein unerwartetes Ergebnis durch eine Erklärung dieses Ergebnisses gesteigert werden kann. Auch die europäische Datenschutz-Grundverordnung (DSGVO) verlangt im Prinzip nach solchen Verfahren: Sie enthält ein Transparenzgebot, demzufolge bei einer automatisiert getroffenen Klassifikation oder Entscheidung Betroffene das Recht haben, Auskunft über die „bedeutungsvollen Parameter“ dieser Entscheidung zu erhalten.

Das Forschungsgebiet der Explainable AI ist noch jung. Ein relativ weit entwickeltes System ist Local Interpretable Model-Agnostic Explanations (LIME) von Marco Ribeiro und Mitarbeitern (Ribeiro 2020). Dieses ist anwendbar für Algorithmen, die Eingabedaten in zwei oder mehr Klassen einteilen und für jede Klasse eine Wahrscheinlichkeit zurückliefern. Online wird dies etwa an Testdaten des Wisconsin Breast Cancer Data Set (Stringer 2018) demonstriert: Hier liefert der Algorithmus für Zellen eine Wahrscheinlichkeit der Bösartigkeit zurück und gibt gleichzeitig an, welche Parameter (Zellgröße, Mitosen etc.) für die Vorhersage ausschlaggebend waren.

Andere Verfahren der Explainable AI kommen auch in der aktuellen SARS-CoV2-Pandemie zum Einsatz: So arbeitet etwa die US-amerikanische Air Force an dynamischen, parametrisierten Modellen zur Vorhersage der Virusausbreitung in verschiedenen Gebieten (Giardina 2020). Ein Explainable-AI-Algorithmus soll dabei helfen, bisher unbekannte Einflussfaktoren auf die Übertragungsgeschwindigkeit und -wege zu identifizieren.

1.3Blockchain

Die Blockchain-Technologie wurde im Jahr 2008 von einem unbekannten Entwickler unter dem Pseudonym Satoshi Nakamoto erstmals in einem online verfügbaren Artikel der Öffentlichkeit vorgestellt (Nakamoto 2008). Die erste Anwendung der Blockchain-Technologie war die Kryptowährung Bitcoin. Nach einigen Jahren wurden neben Bitcoin noch alternative Protokolle entwickelt, etwa Ethereum oder die in Zusammenarbeit mit IBM entwickelten Hyperledger-Protokolle. Diese hatten ein breiteres Spektrum von Anwendungsmöglichkeiten als Bitcoin und öffneten so die Tür zu Blockchain-Plattformen auch außerhalb der Finanzbranche.

1.3.1Blockchain als Datenbank-Technologie

Eine Blockchain ist eine verteilte Datenbank. Das bedeutet, dass ihre Datensätze auf mehreren Computern in einem Netzwerk vorgehalten werden, und zwar in identischen Kopien. Die Datensätze werden in sogenannten Blöcken gespeichert, die hintereinander gehängt werden, also als Kette (Chain) vorliegen. Die Reihenfolge der Datensätze ist dabei unveränderlich. Ein neuer Block kann nur dann an den letzten Block angehängt werden, wenn sichergestellt ist, dass sein Inhalt den Inhalten der vorhergehenden Blöcke nicht widerspricht. Im Beispiel von Bitcoin kann dies etwa bedeuten: Eine Einheit der Währung kann nur dann in einer Transaktion in einem Block an einen Nutzer überwiesen werden, wenn sie nicht zuvor schon an einen anderen Nutzer gesendet wurde.

Zusätzlich verfügt die Blockchain über einen Mechanismus, der sicherstellt, dass all diese Kopien tatsächlich immer auf dem gleichen Stand bleiben: Es muss verhindert werden, dass ein Netzwerkteilnehmer die bei ihm vorliegende Kopie eigenmächtig verändert und sie als netzwerkweit gültige Version ausgeben will. Der Mechanismus, der dieses verhindert, wird als Konsens-Mechanismus bezeichnet.

In herkömmlichen Datenbanken werden Manipulationen durch ein System der Rechtevergabe verhindert. Dieses setzt eine zentrale Autorität voraus, die die Rechte letztendlich verwaltet, also gewährt und auch zurückziehen kann. Hier wurde von den Entwicklern und Verfechtern der Blockchain deren revolutionäres Potenzial gesehen: Eine zentrale Autorität, die aufwendig und teuer zu unterhalten ist und möglicherweise nicht allen Netzwerkteilnehmern gegenüber fair handelt, wird durch einen Algorithmus ersetzt.

Ethereum und später entwickelte Blockchain-Protokolle sehen auch sogenannte Smart Contracts vor. Anders, als der Name es vermuten lässt, handelt es sich dabei nicht um rechtssichere Verträge (Contracts), sondern im Prinzip nur um auf der Blockchain-Datenbank ausführbare Programme. Diese sind sehr vielfältig einsetzbar und haben Anwendungen der Blockchain-Technologie in den verschiedensten Branchen möglich gemacht.

1.3.2Anwendungen der Blockchain im Gesundheitswesen

Wie kann eine solche Datenbank-Technologie nun im Gesundheitswesen nützlich sein? Anfangs verfolgten viele Start-ups, insbesondere aus den USA, den Ansatz des selbstbestimmten Patientendatenmanagements. Patient:innen sollten mithilfe der Blockchain in die Lage versetzt werden, selbstständig die Berechtigungen für den Zugriff auf ihre Daten zu verwalten, statt dies in die Hände der Behandelnden zu geben. Dies erwies sich jedoch als eher ungeeigneter Anwendungsfall: Die Speicherung großer Datenmengen in der Blockchain ist durch die mehrfache Datenhaltung sehr ineffizient und steht zudem mit der für den Blockchain-Konsensmechanismus erforderlichen Transparenz in Konflikt. Patientendaten müssten also in externen Datenbanken gespeichert werden und nur die Zugriffsberechtigungen per Blockchain verwaltet werden. Dies ist zwar möglich, aber nicht sehr nutzerfreundlich, da die eigenständige Teilnahme an einer Blockchain die sichere Verwaltung eines kryptografischen Schlüsselpaars erfordert.

Doch es gibt andere Anwendungsszenarien: Anfang 2019 fand ein Wettbewerb des Bundesgesundheitsministeriums (BMG) statt, bei dem die aussichtsreichsten Blockchain-Projekte für das Gesundheitswesen prämiert werden sollten. Die ersten Plätze belegten hierbei das Projekt eBtM, ein auf einer privaten Blockchain basierender Ansatz, um die Verschreibung von Betäubungsmitteln in Deutschland sicherer und einfacher zu machen, das Projekt dPaCoS zur dezentralen, sicheren Verwaltung von Einwilligungserklärungen, sowie das Projekt zur Arbeitsunfähigkeitsbescheinigung (AU) auf Blockchain-Basis.

Vielversprechend sind auch einige Projekte, die über das Gesundheitswesen hinausgehen, so etwa die dezentrale Identitätsverwaltung der Bürger:innen per Blockchain. Dies wird auch als Self-Sovereign Identity bezeichnet. Dies soll einen Kontrast zu anderen digitalen Identitäten darstellen, die etwa von sozialen Netzwerken erstellt und verwaltet werden und sich somit im Besitz des jeweiligen (meist in den USA ansässigen) Unternehmens befinden und nicht der Person selbst gehören. Mit Self-Sovereign Identity verfolgen mehrere Organisationen das Ziel, eine übertragbare und digital verfügbare Identität zu schaffen, deren Nachweis auch rechtlich bindend sein kann. Weltweit wird die Idee der Self-Sovereign Identity von der gemeinnützigen Sovrin Foundation (https://sovrin.org/) gefördert. In Deutschland verfolgt beispielsweise die Bundesdruckerei mit ihrem Projekt LISSI – „Let’s initiate self-sovereign identity“ – dieses Ziel. Auch das Projekt Bürgeridentität (Jolocom 2020), das auf der Ethereum-Blockchain basiert, soll eine Self-Sovereign Identity zur Verfügung stellen. Unter Umständen ließe diese sich auch eines Tages mit der Telematikinfrastruktur (TI) zusammen verwenden, um eine Identifikation der Nutzer in der TI zu ermöglichen.

1.4Internet of (Medical) Things

Das Internet der Dinge (Internet of Things – IoT) ist ein Konzept verschiedenartiger Geräte, die interagierend vernetzt auf unterschiedlichen Wegen Daten senden, empfangen, verarbeiten und miteinander kommunizieren. Es hat bereits das Alltagsleben vieler Menschen fundamental verändert, denn Verkehr, Handel, Industrie und Medizin nutzen zunehmend die weiträumig verfügbare Vernetzung von Sensoren, Geräten und Wireless-Systemen.

Viele Hersteller statten ihre medizintechnischen Geräte und deren Komponenten mit internetgekoppelten Sensoren aus, um unnötige Wartungseinsätze zu vermeiden (Predictive Maintenance). In der Krankenhauslogistik ermöglicht das IoT die automatische Identifikation von Produkten und deren Erfassung beim Wareneingang und -ausgang sowie die Standortverfolgung.

Zusätzlich zu den technischen Prozessen in der Industrie 4.0 bezieht die Medizin 4.0 im Internet of Medical Things (IoMT) allerdings auch den Faktor Mensch ein. Tragbare IoMT-Geräte wie Schrittzähler, Wellness-, und Fitness-Tracker (sogenannte Wearables) dienen der gesundheitlichen Prävention und werden bei den Menschen zunehmend beliebter. Etliche Patientengruppen verwenden diese Geräte permanent zur drahtlosen Kontrolle ihrer Gesundheitsdaten wie Herzrhythmus, Blutdruck, Gewicht und anderen Parametern. Invasive Geräte wie Blutzuckersensoren werden als Implantables bezeichnet. Hier muss zwischen reinen Fitness- und Wellness-Anwendungen wie Fitnessuhren und Geräten mit tatsächlicher medizinischer Indikation unterschieden werden. Letztere unterliegen dem Medizinproduktegesetz (MPG) mit allen daraus folgenden Konsequenzen für Zertifizierung, Haftung etc. Die Fernüberwachung von Vitalfunktionen in einer Gesundheitseinrichtung wird als Telemonitoring bezeichnet – hier gibt es etwa erste Anwendungsszenarien in der Kardiologie (Telekardiologie).

Mobile und miniaturisierte Technologie ermöglicht außerdem die Überwachung und Versorgung von alten und kranken Menschen in ihrer häuslichen Umgebung (Ambient Assisted Living – AAL), beispielsweise durch Sturz-, Bewegungs-, Feuchtigkeitssensoren und Videokameras oder durch sogenannte Activity Tracker.

Im klinischen Umfeld soll die Vernetzung von Medizinprodukten zur Erhöhung der Patientensicherheit und zur Optimierung von Prozessen dienen. Patient:innen, Medizingeräte und Medikamente lassen sich durch Barcodes oder RFID eindeutig identifizieren, um Verwechslungen zu vermeiden. Die korrekte Desinfektion, Sterilisation und Vollständigkeit von OP-Bestecken können beispielsweise dadurch verfolgt werden.

Vernetzte Medizingeräte übermitteln während eines Krankentransports innerhalb der Klinik, im Rettungswagen oder im Hubschrauber kontinuierlich Daten zur Überwachung des Patientenzustandes, zur Vorbereitung der Aufnahme und zur automatischen Dokumentation.

Bei der Einbindung der IoMT in die elektronische Patientenakte (ePA) sollen in Zukunft viele Prozesse, Akteure und Daten sinnvoll vernetzt werden, etwa die Absendung eines Notfallsignals im Falle kritischer Messwerte des Herz-Kreislauf-Systems. Noch umfassender sind die persönlichen Gesundheitsdaten (Personal Health Records), die von den IoMT-Nutzern ohne das Vorliegen einer Krankheit oder Behandlung digital im Alltag, beispielsweise durch Fitness-Tracker gesammelt werden. Eingebunden in eine elektronische Gesundheitsakte (eGA) wird der Weg zu einem umfassenden Internet of Health (IoH) frei (Fitte et al. 2019).

Allerdings sind in dieser Vision noch viele Risiken und Herausforderungen zu meistern, etwa der Nutzen für bzw. Zuständigkeit der behandelnden Ärztinnen und Ärzte für solche Alltagsdaten, der Datenschutz, die IT-Sicherheit, die Interoperabilität, die Anfälligkeit komplexer Hard- und Software und nicht zuletzt die Nachvollziehbarkeit von Ergebnissen der eingesetzten Künstlichen Intelligenz (siehe Ausführungen zur Explainable Artificial Intelligence weiter oben im Kapitel).

1.5Robotik

Ein Roboter ist eine Maschine, die sich mit Motoren bewegen kann. Die Bewegungen werden durch Programme gesteuert. Durch verschiedene Sensoren ist das Sehen, Hören, Fühlen (beispielsweise mit Trägheitssensoren) usw. möglich und der Roboter nimmt so seine Umgebung wahr. In den VDI-Richtlinien heißt es dazu:

„Ein Roboter ist ein frei und wieder programmierbarer, multifunktionaler Manipulator mit mindestens drei unabhängigen Achsen, um Materialien, Teile, Werkzeuge oder spezielle Geräte auf programmierten, variablen Bahnen zu bewegen zur Erfüllung der verschiedensten Aufgaben.“ (VDI 1982)

Die Robotik ist somit gewissermaßen das Verbindungsstück zwischen den Entwicklungen in Künstlicher Intelligenz und Machine Learning im virtuellen Raum auf der einen Seite und der uns umgebenden physischen Realität auf der anderen Seite.

Besonders relevant für den Einsatz im Gesundheitswesen sind humanoide (soziale) Roboter und Assistenzroboter.

1.5.1Humanoide Robotik

Humanoide Roboter unterscheiden sich im Aussehen wesentlich von Industrierobotern, wie wir sie aus der Automobilindustrie oder dem Maschinenbau kennen, denn ihre Konstruktion ist der menschlichen Gestalt nachempfunden. Eine besondere Anforderung an humanoide Roboter liegt darin, dass sie mit Menschen in deren Alltagsumgebung interagieren – sie kommen Menschen körperlich näher als andere Systeme. Diese Nähe, verbunden mit der Fähigkeit zur intuitiven Kommunikation, ermöglicht neue Anwendungen. Durch Verwendung von unterschiedlichen Sensoren und die entsprechende Software können etwa Roboter wie Pepper (https://www.softbankrobotics.com/emea/en/pepper) mittels Gesichtserkennung Personen identifizieren und sind in der Lage, durch eine grobe Analyse von Mimik und Gestik sowie durch akustische Analyse von Wortwahl und Lautstärke der Stimme emotionale Grundstimmungen zu erkennen. Moderne Roboterplattformen sind darauf programmiert, aufgrund der Analyseresultate dieser emotionalen Zustände entsprechend auf ein menschliches Gegenüber zu reagieren. In den Bereichen Gesundheit, Pflege und Behindertenhilfe können solche humanoiden Roboter als neues Werkzeug betrachtet werden: Sie sollen in Zukunft bestehende Lösungen verbessern bzw. eröffnen Therapeut:innen und Pflegende neue Einsatzbereiche eröffnen.

Humanoide Roboter haben sich als so flexibel erwiesen, dass sie sogar in der Mensch-Roboter-Interaktionstherapie und Förderung der Kommunikation und sozialen Interaktion eingesetzt werden können. Es bestehen aber bisher keine Lösungen für die nahtlose Integration verschiedener Roboter z.B. in Pflegeprozesse, in denen sie ihren Fähigkeiten entsprechend Aufgaben übernehmen. Zudem sind vorhandene Einsatzszenarien oft Insellösungen, in denen Roboter durch Unterstützung versierter Techniker:innen oder mit hohem Bedienaufwand für vergleichbar kleine Einsatzzwecke genutzt werden. Der Roboter wird als (zusätzliches) Werkzeug eingesetzt und arbeitet nicht (wie in anderen Bereichen, etwa der Fertigung) Hand in Hand mit der Pflegekraft, was zu Reibungsverlusten und Akzeptanzproblemen führt.

1.5.2Assistenzrobotik

Nicht-humanoide Assistenzroboter sind Systeme, die auf eine bestimmte Aufgabe oder ein Spektrum von Aufgaben spezialisiert sind, in denen sie menschliche Akteure entlasten können.

In Deutschland sind Assistenzroboter noch sehr selten im Praxiseinsatz. Dieser Bereich entwickelt sich erst und es gibt wenige Firmen, die einsatzfähige Produkte anbieten. Das hängt vor allem mit einer Vielzahl von Grundlagenproblemen zusammen, die es noch zu bewältigen gilt. Solange die sogenannte Context-Awareness nicht robust und stabil funktioniert, können keine einsatzreifen Produkte entstehen, denn Assistenzroboter sind im Vergleich zu Präzisionssystemen im OP eben mehr als nur der verlängerte Arm des Operateurs; sie müssen Aufgaben eigenständig ausführen.

Die Einsatzbereiche sind vielfältig: Assistenzroboter können nicht nur Kranke überwachen und ihnen Hilfestellung leisten, sondern auch Wartezeiten überbrücken oder administrative Aufgaben übernehmen. Alle Anwendungen, die einen niedrigen Autonomiegrad erfordern, können theoretisch von einem Roboter übernommen werden. Im Krankenhaus oder Wartezimmer können sie Patient: innen unterhalten, oder sie fungieren als virtuelle Rezeption, nehmen Daten auf und beantworten Fragen, für die das Personal keine Zeit hat. Möglich ist auch die Vermittlung von Informationen rund um Behandlungsabläufe. Aktuell sind ethische und rechtliche Hürden zu berücksichtigen:

Dürfen Roboter autonom agieren und Verantwortung übernehmen? Also beispielsweise medizinische Aufklärung leisten?

Was ist mit dem Datenschutz bei administrativen Aufgaben?

Was passiert bei Unfällen? Wer haftet am Ende für einen Assistenzroboter – der Hersteller oder der Betreiber?

Alle diese Fragen sind nicht abschließend geklärt und hochkomplex, wie das Beispiel autonomes Fahren zeigt. Auch ein autonomes Fahrzeug ist nichts anderes als ein Assistenzroboter.

1.5.3Kooperative Robotik und Mensch-Roboter-Teams

Die arbeitsteilige Kooperation von Mensch und Roboter kann menschliche und technische Stärken miteinander verbinden, Schwächen auf beiden Seiten kompensieren und durch enge Zusammenarbeit einen Mehrwert erbringen. Menschen sind kreativ und empathisch, sie können Situationen beurteilen und auf der Grundlage von Beobachtungen flexible und situationsangepasste Lösungs- und Handlungsstrategien entwickeln und umsetzen. Den Maschinen fehlen ungeachtet der Fortschritte auf dem Gebiet der Künstlichen Intelligenz noch weitgehend Kreativität, Empathie und Beurteilungsfähigkeit. Dafür können sie Aktivitäten mit gleichbleibender Qualität und Effizienz wiederholt und ohne Ermüdung durchführen und dabei bei Bedarf auch größere Kräfte wirken lassen. Roboter neuerer Entwicklung können Menschen heute Tätigkeiten abnehmen, diese erst ermöglichen oder mit Menschen zusammenarbeiten. Das klassische Bild von Robotern als isoliert agierende Maschinen wandelt sich zunehmend auch im Gesundheitswesen. Hier lassen sich in den nächsten 20 Jahren sowohl ein starkes Wachstum als auch zahlreiche Innovationen erwarten.

1.63D-Druck

Die 3D-Drucktechnologie ist mittlerweile allgegenwärtig. Der breiten Öffentlichkeit wurde sie bekannt, als die Industrie im Rahmen der Corona-Pandemie mit ihren leistungsfähigen 3D-Druckern dringend benötigte Mund-Nasen-Masken, Gesichtsschilder und Teile für Beatmungsgeräte anfertigte. Auch zur Visualisierung kann der 3D-Druck eingesetzt werden: So kann sich jeder Besitzer eines 3D-Druckers mit einer aus dem Internet herunterladbaren Datei den Erreger SARS-CoV-2 als Partikel in der Vergrößerung von 1:1.000.000 ausdrucken (Medica 2020), um nur ein aktuelles Beispiel zu nennen.

Schon seit vielen Jahren werden Komponenten für Autos, Flugzeuge und Konsumgüter kostengünstig mit 3D-Druckern gefertigt. Dazu werden pulverisierte Stoffe wie Titan, Kunststoff oder Keramik mittels Laser oder Infrarotstrahlung in hundertstel Millimeter dicken Schichten verschmolzen. Es geht aber auch eine Nummer größer: In Dubai wurde mit einer speziellen Betonmischung ein 38 qm Haus für unter 10.000 Dollar in 24 Stunden gedruckt, für eine zweistöckige Villa mit 700 qm benötigte man nur 17 Tage.

Der 3D-Druck hat sich auch in der Medizin als spannender Forschungsbereich rasant ausgebreitet. Gemäß einer Ernst & Young-Erhebung in zwölf Ländern arbeitet schon ein Viertel der Medizintechnik- und Pharmaunternehmen an 3D-Drucktechniken (Steinberg u. Karevska 2019). Zahnkronen, Hörgeräte, chirurgische Instrumente, Orthesen, Prothesen sowie Modelle von komplexen Molekülen und Körperteilen werden mithilfe des 3D-Drucks produziert.

Ein Projekt der Universität Glasgow befasst sich mit der Montage von chemischen Verbindungen auf molekularer Ebene. Behandelnde könnten ein Rezept digital an den 3D-Drucker einer Apotheke senden, welche die vorgegebene Dosierung der einzelnen Bestandteile individuell für die Patient:innen zusammenstellt und in Tablettenform ausdruckt (Nathan 2018).

Besonders faszinierend sind aber die Möglichkeiten des Bioprinting. Hierzu wird in einer „Biotinte“ ein Mix von verschiedenartigen Zellen, Gelatine, Fibrinogen, Enzyme und Wachstumsfaktoren eingesetzt. So lassen sich bereits Gesichtsprothesen, Herzklappen, Ohrknorpel, Knochen und sogar aus Blutplasma menschliche Haut für Brandverletzte oder Verträglichkeitstests von Arzneimitteln und Kosmetika drucken (Albanna et al. 2019). Aus patienteneigenen Stammzellen stellten Forschende aus den USA und Großbritannien ein vollständiges Ohr her und implantierten es einem Patienten (Macdonald 2016).

Ein israelisches Team testet in Zusammenarbeit mit Bayer Pharmaceuticals Medikamente auf 3D-gedrucktem echtem Herzgewebe, welches Muskelzellen, Blutgefäße und eine extrazelluläre Matrix enthält, die die verschiedenen Zellen biochemisch, mechanisch und elektrisch verbindet (Ramot 2020). Mittlerweile wagt man sich an den Druck von lebenden Organen heran. Professor Anthony Atala von der Wake-Forest-Universität North Carolina stellte eine gedruckte Niere vor, die in einer Ratte bereits Urin produziert (Atala 2011). Das kalifornische Labor Organovo hat sich auf Reproduktion von Lebergewebe spezialisiert, welches nach der Einpflanzung in eine geschädigte Leber die lange Wartezeit für eine Spenderleber überbrücken kann (Neff 2017).

Marktforscher erwarten, dass der Weltmarkt für medizinischen 3D-Druck bis 2026 ein Volumen von 2,5 Mrd. US-Dollar erreichen wird (https://news8.de/3d-druck-im-gesundheitsmarkt-prognose-2021-2026/). Mit Unterstützung von Künstlicher Intelligenz erhofft man sich eine Optimierung der Kombinationen von Biomaterialien für die Umwandlung von Gerüsten in Gewebe (Lukas 2020). Die Nutzung von patienteneigenen Zellen für Organtransplantate kann die langen Wartezeiten und das Risiko von Abstoßungsreaktionen reduzieren.

Die hier diskutierten Technologien und Anwendungsszenarien zeigen: Die Vielfalt neuer Technologien, an deren Einsatz im Gesundheitswesen geforscht wird, ist groß. Ein Einsatz in der Routineversorgung von Patient:innen scheint oft noch weit entfernt. Eine Vorhersage, welche Technologien uns in fünf oder zehn Jahren in Praxis und Krankenhaus begegnen werden, ist dabei ebenso reizvoll wie unmöglich, denn der technische Fortschritt verläuft nicht streng linear. Immer wieder kommt es zu überraschenden Fehlschlägen, aber auch zu Entdeckungen, die neue Perspektiven eröffnen.

Literatur

Albanna M, Binder KW, Murphy SV, Kim J, Qasem SA, Zhao W, Tan J, El-Amin IB, Dice DD, Marco J, Green J, Xu T, Skardal A, Holmes JH, Jackson JD, Atala A, Yoo JJ (2019) In Situ Bioprinting of Autologous Skin Cells Accelerates Wound Healing of Extensive Excisional Full-Thickness Wounds. Scientific Reports, 9(1):1856. DOI: 10.1038/s41598-018-38366-w

Atala A (2011) Printing a human kidney. URL: https://www.ted.com/talks/anthony_atala_printing_a_human_kidney (abgerufen am 25.11.2021)

Bloomberg J (2018) Don’t Trust Artificial Intelligence? Time To Open The AI “Black Box”. URL: https://www.forbes.com/sites/jasonbloomberg/2018/09/16/dont-trust-artificial-intelligence-time-to-open-the-ai-black-box/#40d4e0603b4a (abgerufen am 25.11.2021)

Cheng L, Lopez-Beltran A, Massari F, MacLennan GT, Montironi R (2018) Molecular testing for BRAF mutations to inform melanoma treatment decisions: a move toward precision medicine. Mod Pathol 31(1):24–38

Fitte C, Meier P, Behne A, Miftari D, Teuteberg F (2019) Die elektronische Gesundheitsakte als Vernetzungsinstrument im Internet of Health. DOI: 10.18420/INF2019_17

Giardina GM (2020) AFRL machine learning and AI experts develop models for COVID-19 decision-making. U.S. Air Force. URL: https://www.af.mil/News/Article-Display/Article/2224113/afrl-machine-learning-and-ai-experts-develop-models-for-covid-19-decision-making/ (abgerufen am 25.11.2021)

Hosanagar K, Jair V (2018) We Need Transparency in Algorithms, But Too Much Can Backfire. URL: https://hbr.org/2018/07/we-need-transparency-in-algorithms-but-too-much-can-backfire (abgerufen am 25.11.2021)

Jolocom (2020) Jolocom self sovereign identities at work in Bundesdruckerei proof of concept for e-government. URL: https://stories.jolocom.com/jolocom-self-sovereign-identities-at-work-in-bundesdruckerei-proof-of-concept-for-e-government-45f7f297f4ca (abgerufen am 25.11.2021)

Lashbrook A (2018) AI-Driven Dermatology Could Leave Dark-Skinned Patients Behind. URL: https://www.the-atlantic.com/health/archive/2018/08/machine-learning-dermatology-skin-color/567619/ (abgerufen am 25.11.2021)

Lukas JB (2020) Künstliche Intelligenz und 3D-Druck – Wohin führt die Kombination dieser beiden Technologien? URL: https://www.3dnatives.com/de/kuenstliche-intelligenz-und-3d-druck-wohin-fuehrt-die-kombination-dieser-beiden-technologien-060120201/ (abgerufen am 25.11.2021)

Macdonald K (2016) 3D technology rebuilds child’s ear. BBC News. URL: https://www.bbc.com/news/uk-scotland-edinburgh-east-fife-38152226 (abgerufen am 25.11.2021)

Medica (2020) Coronaviren zum Anfassen aus dem 3D-Drucker. URL: https://www.medica.de/de/News/Archiv/Coronaviren_zum_Anfassen_aus_dem_3D-Drucker (abgerufen am 25.11.2021)

Nakamoto S (2008) A peer-to-peer electronic cash system. Bitcoin, 4. URL: https://bitcoin.org/bitcoin.pdf (abgerufen am 25.11.2021)

Nathan S (2018) Digitising chemistry leads to 3D-printed drug factories. URL: https://www.theengineer.co.uk/digitising-chemistry-3d-printed-drug/ (abgerufen am 24.11.2021)

Neff EP (2017) Printing cures: Organovo advances with 3D-printed liver tissue. Lab Animal 46(3):57–57. DOI: 10.1038/laban.1203

Nussinov R, Jang H, Tsai CJ, Cheng F (2019) Review: Precision medicine and driver mutations: Computational methods, functional assays and conformational principles for interpreting cancer drivers [published correction appears in PLoS Comput Biol. 2019 Jun 12;15(6):e1007114]. PLoS Comput Biol. 15(3):e1006658

Ramot – Technology Transfer Company of Tel Aviv University (2020) Bayer Pharmaceuticals will test new drugs using human heart tissues 3D-printed in Tel Aviv University. URL: https://ramot.org/news/2020/bayer-pharmaceuticals-will-test-new-drugs-using-human-heart-tissues-3d-printed-in-tel-aviv-university (abgerufen am 25.11.2021)

Ribeiro MTC (2020) Marcotcr/lime [JavaScript]. URL: https://github.com/marcotcr/lime (Original work published 2016)

Steinberg G, Karevska S (2019) How 3DP is moving from hype to game changer. URL: https://www.ey.com/en_gl/consulting/how-3dp-is-moving-from-hype-to-game-changer (abgerufen am 25.11.2021)

Stringer S (2018) Feature importance – what’s in a name? URL: https://medium.com/bigdatarepublic/feature-importance-whats-in-a-name-79532e59eea3 (abgerufen am 25.11.2021)

VDI (1982) VDI 2860 – Handhabungsfunktionen, Handhabungseinrichtungen; Begriffe, Definitionen, Symbol

Wischmann S (2015) Arbeitssystemgestaltung im Spannungsfeld zwischen Organisation und Mensch–Technik-Interaktion – das Beispiel Robotik. In: Botthof A, Hartmann EA (Hrsg.) Zukunft der Arbeit in Industrie 4.0. Springer. DOI: 10.1007/978-3-662-45915-7_14

Dr. med. Christina Czeschik

Christina Czeschik ist Ärztin und Medizininformatikerin. Sie ist freie Autorin auf dem Gebiet Digitalisierung im Gesundheitswesen (www.serapion.de).

Manfred Kindler

Manfred Kindler, Diplom-Ingenieur für Biomedizinische Technik und certified clinical engineer, ist seit 1991 als öffentlich bestellter und vereidigter Sachverständiger für Medizintechnik der IHK Rheinhessen aktiv. Als Inhaber der Beratungsagentur Kindler International Division ist er seit 23 Jahren weltweit in TZ-Projekten für Qualitäts- und Risikomanagement tätig. Als Mitgründer und nunmehr Präsident des Dachorganisation Krankenhaus-Kommunikations-Centrum e.V. engagiert er sich im interdisziplinären Erfahrungsaustausch von deutschen Gesundheitsverbänden und -einrichtungen.

Ingolf Rascher

Sozialwissenschaftler und Gesundheitsökonom. Leiter F&E im Bereich Digitalisierung und Versorgung im Gesundheit -und Sozialbereich der Management for Health-INT (www.management4health.eu). Vorstand der BAG Ambient Assisted Living – AAL Akademie (www.aal-akademie.de). Weitere Tätigkeiten: Sprecher des Instituts für Robotik und KI (www.robotik-pflege.de). Landeskoordinator NRW – Frühe Hilfe am Setting Geburtsklinik – Netzwerk Kinderzukunft (www.netzwerk-kinderzukunft.de), Lehrtätigkeiten an der Ruhr-Universität Bochum an der Fakultät für Sozialwissenschaft seit 2003.

Exkurs: Was die digitale Praxis vom digitalen Krankenhaus lernen kann

Jörg F. Debatin und Philipp Stachwitz

Umstellung zum papierarmen Krankenhaus

Als im Jahr 2005 im Rahmen des geplanten Neubaus der Universitätsklinik Hamburg-Eppendorf (UKE) die Aufgabe bestand, eines der größten deutschen Universitätsklinika binnen kurzer Zeit zu einem papierlosen Krankenhaus zu machen, waren sich die Beteiligten in einer Sache einig: Es ging nicht darum, Digitalisierung um ihrer selbst willen zu betreiben oder gar deswegen, weil sie die besondere Passion des Ärztlichen Direktors war. Das Projekt musste vor allem einem Ziel dienen: der Verbesserung der Patientenversorgung. Und es war klar: Um Erfolg zu haben mussten alle Berufsgruppen mitgenommen werden– zuallererst aber die Ärztinnen und Ärzte. Denn diese verantworten die medizinischen Inhalte und damit den Kern dessen, was eine Universitätsklinik neben Forschung und Lehre leistet: Patientenversorgung auf höchstem Niveau.

Herzstück der Veränderung war die Einführung einer digitalen Behandlungsdokumentation, einer sog. elektronischen Patientenakte für das gesamte Klinikum. Als mit Bezug des neuen Klinikums im Januar 2009 das System dann scharf geschaltet wurde ging ein Aufschrei der Empörung durch manche Klinikdirektorenrunde. Und ebenso durch Institutionen, Presse und Politik. Dem doch beachtlichen Widerstand stand ein überzeugtes Team von Medizinern, Pflegenden, Therapeuten und Managern gegenüber, die vom Nutzen überzeugt waren. Unterstützt wurde diese Koalition der Willigen von Patienten, die rasch bemerkten, dass ihre Daten nicht mehr verloren gingen. Während die Datenschützer damit beschäftigt waren immer neue Opt-out-Verfahren zu fordern, gab es kaum einen Patienten, der davon wirklich Gebrauch machen wollte. Im Gegenteil: Die überwältigende Mehrheit war froh, dass Arztbriefe, Laborbefunde oder radiologische Untersuchungen nicht mehr verloren gingen und dort zur Verfügung standen, wo sie gebraucht wurden. Nicht notwendige Doppeluntersuchungen, Ressourcen vergeudende Doppeltermine und Doppelbelastungen durch das Abschreiben bereits verfügbarer Informationen gehörten schlagartig der Vergangenheit an. Die Erstellung des Entlassbriefes stellte keine sonderliche Hürde mehr dar: die digitalen Inhalte fügten sich automatisch nacheinander in ein umfassendes Dokument, das dann im Augenblick der Entlassung ausgedruckt und dem Patienten mitgegeben werden konnte. Für Patienten wie die behandelnden Ärzte eine riesige Vereinfachung.

Daten zu verwalten bedeutet, Verantwortung gegenüber den Patienten wahrzunehmen. Dieser Verantwortung müssen vor allem auch die Krankenhäuser und Arztpraxen gerecht werden. Der Weg zum Erfolg war steinig und anspruchsvoll. Einige Kolleginnen und Kollegen wussten, wie es geht bzw. wie es gehen könnte. Viele aber waren verunsichert, konnten sich nicht vorstellen, wie zukünftig anders und neu – ganz ohne Papier! – gearbeitet werden sollte. Und das alles auch noch zeitgleich mit dem Bezug eines neuen Klinikums mitten im laufenden Betrieb! Aus heutiger Sicht würde man die Schritte sicherlich entzerren – damals aber mutierte das UKE in einem Riesenschritt – sozusagen über Nacht – zum modernsten Klinikum Europas, ausgestattet mit modular aufgebauter räumlicher Infrastruktur und komplett digitalisierten Prozessen. Und bis heute zählt das UKE zu den papierärmsten Krankenhäusern Deutschlands.

Wie Digitalisierung zum Nutzen einer besseren Versorgung zu beitragen kann, illustriert das folgende Beispiel:

Im UKE erfolgt seit der Umstellung auf digitale Prozesse die gesamte Arzneimittelversorgung in Form eines geschlossenen Medikationsprozesses (Closed Loop of Medication Adminstration, CLMA). Die Tage, oder besser die Nächte, in denen übermüdetes Pflegepersonal, fehleranfällig und unter erzwungener Vernachlässigung der eigentlichen pflegerischen Aufgaben, die Medikamente für den nächsten Tag stellt, waren gezählt. Heute erfolgt die Medikamentenversorgung im UKE patientenindividuell (Unit Dose Supply) und unter Einbeziehung der Expertise der Krankenhausapotheker. Und diese arbeiten zudem eng und beratend mit den behandelnden Ärzten im gesamten Klinikum zusammen.

All das führt zu einer verbesserten Qualität der Versorgung und zur substanziellen Vermeidung von Fehlern. So sank die Abweichungsrate zwischen ärztlicher Verordnung und Applikation beim Patienten von 59% beim traditionellen Prozess durch Einführung des Closed-Loop-Prozesses auf nur noch 1,6%. Und nicht zuletzt bewirkte die Veränderung auch eine höhere Zufriedenheit und eine verbesserte Ausbildung aller Mediziner in dem für alle Fachgebiete der Medizin so wichtigen Gebiet der Arzneimitteltherapie. Ein Erfolg, der nur möglich wurde durch eine konsequent umgesetzte Digitalisierung der gesamten Klinik.

Praxisverwaltungssystem und Arztinformationssysteme

Heute, mehr als ein Jahrzehnt später, sind zwei Dinge zu beobachten: Zum einen sind viele Krankenhäuser in Deutschland bis jetzt noch nicht ansatzweise so umfassend digitalisiert, wie es erforderlich ist, um Projekte wie die beschriebene Closed-Loop-Medikation erfolgreich umzusetzen. Anders die Arztpraxen: Diese sind bereits stark digitalisiert. Es gibt heute wohl keine Praxis in Deutschland, die ihre Patientenversorgung nicht zumindest in Teilen mithilfe des Praxisverwaltungssystems, des PVS, organisiert. Auf den Schreibtischen der niedergelassenen Ärzte stehen an Rechner angeschlossene Bildschirme. Sie dienten ursprünglich vor allem der effizienteren Organisation der Abrechnung mit der kassenärztlichen Vereinigung (KV). Heute sind sie für die Behandlungsunterstützung von essenzieller Bedeutung. Vielerorts sind aus den IT-Systemen in den Arztpraxen längst Arztinformationssysteme (AIS) geworden, in denen nicht nur die administrativ-wirtschaftlichen Grundlagen verwaltet, sondern die medizinisch-ärztlichen Prozesse der gesamten Behandlung digital abgebildet werden.

In Bezug auf die Krankenhäuser wurde mit dem Krankenhauszukunftsgesetz (KHZG) eine wichtige Grundlage gelegt, um der stationären Versorgung in Deutschland in den kommenden Jahren einen digitalen Sprung nach vorne zu ermöglichen. 4,3 Mrd. Euro, zu mehr als zwei Dritteln aus dem Bundeshaushalt, stehen bereit, um in konkret beschriebenen Handlungsfeldern wie Notaufnahme, Telemedizin, Medikationsmanagement und Behandlungsdokumentation eine Modernisierung der Krankenhaus-IT zu befördern. Die durch das KHZG entstandene Dynamik im Markt und unter den Krankenhäusern ist erheblich. Die Ergebnisse dieses am Nutzen der Versorgung orientierten Fördergesetzes wird für das nächste Jahrzehnt prägend sein.

Informationstechnologie

Den Arztpraxen steht mit den anstehenden digitalen Vernetzungsprojekten eine ähnliche große Aufgabe bevor: Mit dem Anschluss an die Telematikinfrastruktur (TI) gelingt eine Vernetzung mit dem gesamten Gesundheitswesen. Und dies nicht nur zur Umsetzung des für die medizinische Versorgung nutzlosen Abgleichs von Stammdaten. Denn in Zukunft ist die Arztpraxis mit der Außenwelt vernetzt: Auf dem Fundament einer einrichtungs- und sektorenübergreifenden elektronischen Patientenakte (ePA), durch elektronische Arztbriefe via KIM („Kommunikation im Medizinwesen“), durch das elektronische Rezept, und die absehbare Möglichkeit, auch mit Patienten über spezielle Messaging-Dienste sicher elektronisch zu kommunizieren.

Die IT-Systeme in den Arztpraxen, die Praxisverwaltungs- bzw. Arztinformationssysteme (PVS/AIS) haben bisher vor allem das Binnengeschehen einer Arztpraxis strukturiert. Die zukünftige stärkere Vernetzung der ambulanten Medizin mit der Außenwelt wird auch die Abläufe innerhalb der Praxen verändern.

Patiententermine werden nicht mehr von Praxispersonal stundenlang am Telefon koordiniert, sondern größtenteils über Online-Terminkalender organisiert. Und natürlich verändert sich ärztliches Arbeiten, wenn in Zukunft über die ePA Vorbefunde von anderen Kolleginnen und Kollegen, aus Krankenhäusern oder Reha-Einrichtungen sowie von weiteren medizinischen Professionen unmittelbar verfügbar sind und so in die eigenen ärztlichen Entscheidungen oder in das Gespräch mit dem Patienten mit einfließen können. Und auch wenn die direkte Begegnung zwischen Arzt und Patient der Goldstandard bleiben und in vielen Fällen unerlässlich bleiben wird: Ein in den kommenden Jahren wachsender Anteil der Behandlungen wird zum Nutzen aller Beteiligten zukünftig gar nicht mehr physisch in den Räumen einer Arztpraxis stattfinden, sondern telemedizinisch erfolgen.

Für all das braucht es auch im ambulanten Bereich modernere, zukunftsfähigere, modularer aufgebaute und auf die Vernetzung der Medizin im 21. Jahrhundert optimal vorbereitete Informationstechnologie. Die Zauberworte heißen „Interoperabilität“ und „offene Schnittstellen“. Die Hilfsmittel und Werkzeuge werden sich an die veränderte Medizin, die veränderte Art des ärztlichen Arbeitens und die neuen Formen der Interaktion zwischen Ärzten und Patienten anpassen müssen. Ein technologischer Wandel wird in vielen Arztpraxen notwendig sein. Die PVS/AIS, von denen nicht wenige ihre Wurzeln noch in den 90er-Jahren haben, werden ersetzt werden müssen.

Förderrahmen

In Analogie zu den Krankenhäusern, benötigt auch die ambulante Medizin einen Förderrahmen, der den Umzug in die digitale Modernität ermöglicht. Ohne Unterstützung wird der anstehende Sprung hin zu einem vernetzten Gesundheitswesen nicht gelingen. Das KHZG kann hier ein Vorbild sein. Denn ähnlich wie im stationären Bereich erscheint auch in der ambulanten Medizin eine Förderung notwendig, die nicht nur die Implementierung der gesetzlich vorgeschriebenen Inhalte abdeckt. Notwendig ist eine Förderung, die echte Innovation sowie echte Neuerungen in den PVS/AIS unterstützt und anreizt. Und dazu gehören nicht zuletzt auch Mechanismen, die den Wettbewerb der Anbieter stärker befördern.

Neben diesem gesetzlichen Rahmen in Form eines Fördergesetztes nach Vorbild des KHZG braucht es aber auch die Bereitschaft der niedergelassenen Ärztinnen und Ärzte zum Wandel, zu einer veränderten Arbeitsweise und zur Fortbildung im Bereich neuer, auf die stärkere Digitalisierung der ärztlichen Tätigkeit bezogener Kompetenzen. Viele niedergelassene Kollegen sind bereits heute vom Wandel überzeugt: So erfreut sich die Videosprechstunde gewachsener Beliebtheit und das Interesse an der elektronischen Patientenakte ist groß. Die Hersteller von PVS und AIS werden ihre Produkte zum Nutzen einer besseren ärztlichen Patientenversorgung nur dann erfolgreich erneuern können, wenn sie neben einer belastbaren Finanzierung auch das Interesse der Ärzteschaft zur aktiven Mitgestaltung erkennen. Denn ohne die Bereitschaft der Kunden zum Wandel wird es auch der Industrie in den kommenden Jahren nicht gelingen neue, bessere und zeitgemäßere Produkte zu entwickeln und auf den Markt zu bringen.

Dass dieser technologische Wandel, so mühevoll er auch im Einzelnen sein mag, sich nicht nur lohnt, sondern dringend erforderlich ist, daran kann aus ärztlicher Sicht kein Zweifel bestehen. Denn die Ergebnisse sprechen für sich, wie die Erfahrungen aus der Digitalisierung eines Universitätsklinikums zeigen: Die Qualität der Patientenversorgung wird nachhaltig verbessert. Gleichzeitig steigt die Zufriedenheit der Ärztinnen und Ärzte sowie aller anderen Mitarbeiter, die sich im Ergebnis wieder mehr auf das konzentrieren können, was der Kern ihrer Kompetenz ist: Medizin zu praktizieren und Patienten zu behandeln.

Literatur

Baehr M, Gewehr J, Siebener M (2019) Das digitale Universitätsklinikum Hamburg-Eppendorf. In: Klauber J et al. (Hrsg.) Krankenhaus-Report 2019. 83–90. Springer Heidelberg. DOI: 10.1007/978-3-662-58225-1_6

Bundesamt für Soziale Sicherung (2021) Richtlinie zur Förderung von Vorhaben zur Digitalisierung der Prozesse und Strukturen im Verlauf eines Krankenausaufenthaltes von Patientinnen und Patienten nach § 21 Absatz 2 KHSFV (Version 03). URL: https://bit.ly/3qAztLJ (abgerufen am 18.08.2021)

Bundesgesetzblatt Teil 1 (2020) Gesetz für ein Zukunftsprogramm Krankenhäuser (Krankenhauszukunftsgesetz – KHZG) vom 23.10.2020. URL: https://bit.ly/3qBXTEw (abgerufen am 18.08.2021)

Bundesverband Gesundheits-IT (2021) Zukunftsdialog PVS. Pressemitteilung vom 17.06.2021. URL: https://bit.ly/3h73DD5 (abgerufen am 18.08.2021)