Wie aus Rohdiamanten Schätze werden

Wir sprechen viel über Datenmehrwerte und darüber, dass Daten die Schätze der Gesundheitseinrichtungen sind. So weit, so gut. Ich persönlich sehe die reinen Daten aber eher als Rohdiamanten. Unbearbeitet liegen sie blass und unscheinbar in den verborgenen Tiefen der Klinik-IT. Erst, wenn sich jemand dieser Rohdiamanten annimmt, sie veredelt und ihnen den nötigen Feinschliff verleiht, steigert sich ihr Wert zu einem nennenswerten Schatz.

Der Wert der Daten liegt nicht nur darin, diese für eine Optimierung von medizinischen Abläufen oder administrativen Prozessen wie die Abrechnung auszuwerten. Sie können vielmehr als Grundlage für den wissenschaftlichen Erkenntnisgewinn und für eine bessere medizinische Versorgung genutzt werden. Daraus ergeben sich zwei Handlungsfelder, die sich wechselseitig bedingen. Das eine liegt darin, valide, qualitätsgesicherte Daten zur Entwicklung von Medikamenten und Therapien oder für intelligente Algorithmen zur Verfügung stellen zu können und davon auch kommerziell zu profitieren. Das andere Handlungsfeld umfasst die Rückführung dieser Entwicklungen in die medizinische Praxis.

Szenarien für den Datenfeinschliff

Bereits heute gibt es eine Reihe von kommerziell erwerbbaren CAD-Systemen, die während der Mammografiediagnostik die Entdeckung von Mikrokalzifizierung und Weichteilveränderung unterstützen. Dieses Szenario eignete sich für den Datenfeinschliff besonders gut, weil Abläufe, Untersuchungen, Art und Form der Befundungsergebnisse sowie Diagnosen über viele Einrichtungen hinweg standardisiert sind – im Gesundheitswesen eine Ausnahme. Es gibt also eine quantitativ wie qualitativ exzellente Datenbasis, was entscheidend für die Entwicklung und Verbesserung in einem wissenschaftlichen Kontext ist.

Leider ist es deutlich schwerer, eine relevante Datenmenge für seltenere Krankheitsbilder aufzubauen. Denn um einen Algorithmus zu trainieren oder ein Medikament zu entwickeln, braucht es eine Datenmasse, die weit über die Datenbestände einzelner Einrichtungen hinausgeht. Darum wäre es doch logisch, diagnostische Daten mit relevanten, qualitätsgesicherten Befunden eines Krankheitsbildes innerhalb der Kliniken in zentralen Systemen – wie zum Beispiel  unser JiveX Healthcare Content Management System  – zu sammeln, um sie bei Bedarf anonymisiert und unter Beachtung der datenschutzrechtlichen Fragen in öffentlichen oder kommerziellen Forschungszentren auswertbar zu machen.

Der Weg zum Wissensschatz

Ist das Forschungsergebnis ein hochwertiger Algorithmus für die Auswertung von diagnostischen Daten, muss er seinen Weg zurück in die Gesundheitseinrichtungen finden, um seine Arbeit zu leisten. Logisch wäre für mich, wenn diese Algorithmen in zentralen Rechenzentren direkt aus den Gesundheitseinrichtungen adressierbar wären. Diese würden betreut von den oben genannten Forschungseinrichtungen und unterlägen einem permanenten Verbesserungsprozess – auch gestützt durch weitere schnelle Rückmeldungen aus den Gesundheitseinrichtungen in Form von weiteren qualitätsgesicherten Befunden.

Beide Aufgaben, das Sammeln von relevanten Daten in den Gesundheitseinrichtungen mit anschließender Übermittlung an Forschungszentren sowie das Adressieren der Algorithmen in externen Rechenzentren direkt aus dem Behandlungskontext des Patienten, können von VISUS perspektivisch gemeistert werden. Schließlich verfügen wir bereits über die Lösungen, Daten zu verwalten, zusammenzuführen und auszuwerten. Medizinische Weiterentwicklung basiert auch auf dem Wissen, das in Form von qualitativ auswertbaren Daten verteilt in den IT-Systemen der Gesundheitseinrichtungen vorhanden ist. Diesen Wissensschatz so zu heben, dass sowohl die Kliniken als auch die Forschungseinrichtungen und am Ende jeder Einzelne von uns in Form einer besseren Versorgung davon profitieren kann, ist eine Aufgabe, für die ich einen wertvollen Beitrag liefern will.