Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für...

22
Relevanz von Standardisierung und Terminologien für die Digitalisierung im Gesundheitswesen Nino Mangiapane, Bundesministerium für Gesundheit Leiter des Referates „Grundsatzfragen eHealth“

Transcript of Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für...

Page 1: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

Relevanz von Standardisierung und Terminologien für die Digitalisierung im

Gesundheitswesen

Nino Mangiapane, Bundesministerium für GesundheitLeiter des Referates „Grundsatzfragen eHealth“

Page 2: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 2

1. In standardisierten Prozessen wie Abrechnung, Kommunikation

(Labordaten) oder der QS haben sich Standards etabliert.

2. Die Zahl der Versorgungsszenarien, die auf die zunehmende

Kooperation unterschiedlicher Beteiligter abstellen, aber auch der

Bedarf an Auswertungsmöglichkeiten wächst. Damit wächst der

Bedarf an verarbeitbaren und analysefähigen Daten.

3. Die Dynamik der Digitalisierung ist hoch, sieh wird weiter wachsen.

Sie kann genutzt werden, wenn die Technologien konsequent ihre

Mehrwerte zeigen. Dies gilt auch für Standards und Terminologien.

4. Weitere Standardisierungen und der Einsatz von (medizinischen)

Terminologien werden folgen, wenn diese bei der weiteren

Digitalisierung Mehrwerte für Versorgungsprozesse und –

ergebnisse leisten oder diese erst möglich machen

Einordnung von Standardisierungen und Terminologien

Page 3: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 3

Teletherapie: Mittels IKT durchgeführte Behandlungen durch Leistungserbringer (z.B. OP-Robotik in der Chirurgie)

Telemonitoring: Einzelanwendungen zur IKT-gestützten Messung, Überwachung und Kontrolle von patientenindividuellen Vitalfunktionen (sowohl physiologisch z.B. Blutdruck, als auch nicht-physiologisch, z.B. Außentemperatur)

ePrävention: Anwendungen zur Prävention, die Patienten bspw. mit Empfehlungen zu sportlicher Aktivität oder gesundheitsförderndem Verhalten unterstützen (z.B. durch Apps, Wearables, etc.)

Teledokumentation: Anwendungen zur elektronischen Erstellung, Archivierung oder Austausch gesundheitsbezogener Informationen und Daten

Anwendungsbeispiele:

Quelle: In Anlehnung an Leppert & Greiner (2015)

Digitalisierung & GesundheitswesenAnwendungsszenarien

Page 4: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 4

Ziele der Digitalisierung im Gesundheitswesen

• Bessere und effizientere Versorgung durch übergreifende Kommunikationsprozesse

• Herausforderungen der demographischen Entwicklung besser annehmen

• Stärkung der Patientensouveränität durch neue mobile Technologien

• Versorgung durch neue Werkzeuge und Technologien wie Big Data/KI noch besser machen

• Nutzung der Fachkräftepotenziale

Page 5: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 5

Ausbau der Infrastruktur inkl.

elektronischer Patientenakten

Zugang guter digitaler

Anwendungenin die Versorgung

erleichtern

Integration von Big Data- und KI in die

Versorgung beschleunigen

Säulen der digitalen Agenda

Page 6: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 6

Stationäre Versorgung

• verschiedene Hardware- und Softwaresysteme (KIS)

• bedingt ausreichende Ausstattung auf den Stationen

• Ausrichtung auf interne Prozesse/Krankenhausverwaltung

• Geringe Interoperabilität der Systeme• Sprachsystematik HL 7

Ambulante Versorgung

• keine Interoperabilität der Systeme für Versorgungsprozesse

• keine Kommunikationsstandards• Geringe Kommunikationsanreize

• über 100 verschiedene Softwaresysteme

• Sprachsystematik xDT-Schnittstellen

Keine von allen Beteiligten gemeinsame nutzbare Kommunikationsplattform

Digitalisierung im GesundheitswesenTechnologischer Status quo

Page 7: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 7

Zentraler BausteinAufbau einer sicheren Infrastruktur

Page 8: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 8

eHealth-GesetzWesentliche Regelungen im Überblick

1. Einführung nutzbringender Anwendungen

2. Regelungen zur Nutzung der Telematik-Infrastruktur

3. Anpassung der Strukturen der gematik

4. Verbesserung der Interoperabilität informationstechnischer Systeme und Portabilität der Patientendaten

5. Aufbau eines Interoperabilitätsverzeichnisses und entsprechender Prozessstrukturen zur Verbesserung des Informationsaustausches in und zwischen Sektoren

6. Förderung elektronischer Arztbriefe in der Versorgung

7. Einführung eines Anspruchs von Patienten auf einen Medikationsplan

8. Stärkung der Patientenautonomie durch Einstieg in ePatientenakte und Anspruch auf Patientenfach

9. Förderung telemedizinischer Leistungen

Page 9: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 9

TSVG-Gesetz als KatalysatorWesentliche Regelungen im Überblick

1. Jeder Versicherte erhält auf Wunsch ab dem 1. Januar 2021 eine von der Gematik zugelassene ePA von seiner Krankenkasse

2. Die ePA wird bei Kassenwechsel übertragbar sein

3. Versicherte erhalten die Möglichkeit auf eigenen Wunsch auch alternative Authentifizierungsverfahren ohne den Einsatz der eGK

4. Die Versicherten entscheiden darüber, welche Daten in die Akte aufgenommen werden sollen und wem sie die Daten zur Verfügung stellen

5. Arbeitsunfähigkeitsbescheinigungen werden der Krankenkasse digital übermittelt

Page 10: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 10

Zugang guter digitaler (mobiler) Anwendungen in Versorgung

erleichtern

Page 11: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 11

BMG fördert Studie CHARISMHA (MHH)

� Studie zu Chancen und Risiken von Gesundheits-Apps: Bestandsaufnahme und Analyse

� Interdisziplinäres Wissenschaftlerteam an der MHH; Leitung: Dr. Urs-Vito Albrecht, Peter L Reichertz Institut für Medizinische Informatik

� Im Fokus: Chancen für die Versorgung; rechtl. Rahmenbedingungen (Datenschutz, MPG, SGB V…); Transparenz und Orientierung

� Ziel: Aufarbeitung des Themenkomplexes und konkrete Handlungsoptionen aufzeigen

Digitalisierung im GesundheitswesenWo stehen wir bei mobilen Anwendungen?

Page 12: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 12

� Anforderungen an „medizinische Qualität“ bisher wenig beschrieben, aber Fachgesellschaften befassen sich zunehmend mit dem Thema

Apps im GesundheitswesenEntwicklung eines Kriterienkataloges

Page 13: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 13

Apps im GesundheitswesenMeta-Katalog APPKRI

Page 14: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 14

Integration von Big Data- und KI-Technologien in Versorgung

beschleunigen

Page 15: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 15

Versorgung besser und präziser machen

• Korrelationen erkennen und auf Kausalitäten prüfen

• Erkenntnisse aus Daten zu gewinnen (heißt Daten für Erkenntnisse erschließen zu können)

• Erkenntnisse aus der Forschung schneller an den „Punkt der Versorgung“ bringen und vice versa

• Erkenntnisse in individuelle Diagnose- und Therapieentscheidungen übersetzen

• Behandlungen noch individueller auf Patienten ausrichten

• Vorteile von KI für klinischen Einsatz identifizieren und realisieren

Chancenfelder der Digitalisierung

Page 16: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 16

Big Data

(Echtzeit-)Gewinnung von neuen Erkenntnissen und Zusammenhängen aus großen, weitgehend unstrukturierten Daten

eHealth

Gesundheitsbezogener Einsatz von IKT im Gesundheitswesen

Hohe Interdependenz

eHealth-Anwendungen sind häufig Basis für Big Data, da diese die Datenerhebung vereinfachen

Aggregierte Ergebnisse aus Big Data-Analysen bilden wiederum relevante Grundlagen für eHealth-Anwendungen

eHealth & Big Data Wo stehen wir bei Big Data Anwendungen?

Page 17: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 17

eHealth & Big Data Gemeinsames Projekt Data-BOX BMBF/BMG

Management von komplexen Gesundheitsdaten aus verschiedenen Quellen auf einer patientenzentrierten Plattform verbunden mit der Integration innovativer Big-Data Analysekonzepte basierend auf MachineLearning und ArtificialIntelligence Ansätzen.

Page 18: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 18

HausarztVerdacht auf Lungenkrebs

Facharzt/Radiologe

Bestätigung der DiagnoseEinschluß in die Studie

Pathologe

Referenz-pathologische Begutachtung

Analyse der molekularen Parameter

Experten-Gremium

Beurteilung der Befunde und Therapie-empfehlung

Netzwerkzentrum

Datenauswertung

(Fach-)Arzt

Therapie und Nachverfolgung

(Fach-)Arzt

Therapie und Nachverfolgung

(Fach-)Arzt

Therapie und Nachverfolgung

Dokumentations-Anforderung

12 3

4

567

1 – Bildgebung, Laborwerte, Arztbriefe 2 – Arztbriefe, Laborwerte 3 – molekulare Sequenzierungsdaten 4 – Therapiebeschluss 5-7 – Bildgebung, Arztbriefe, Laborwerte

Ziel: Behandlungspfad für Lungenkrebspatienten unter Nutzung

von Big Data

eHealth & Big Data Gemeinsame Projektförderung BMBF/BMG

Page 19: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 19

eHealth & Big Data Medizininformatik-Initiative

Name des

Konsortiums

Federführer Beteiligte KlinikenAnwendungsfälle

MIRACUM Prof. Prokosch, Erlangen Frankfurt, Mainz, Freiburg,

Erlangen, Gießen/Marburg,

Mannheim, Magdeburg

IT-Support für Patientenrekrutierung für klinische

Studien, klinisch-molekulares Vorhersagemodell aus

Patientenakten, Genomdatenunterstützung für

Tumorboard

HiGHmed Prof. Eils, Universitätsklinik

Heidelberg

Heidelberg, Göttingen,

Hannover

„Onkologie“ fokussiert auf die Integration von Omics-

Daten „Kardiologie“ (letale kardiale Risiken) auf Daten

trag-/implantierbarer Sensoren und der Use Case

„Infektiologie“

SMITH Prof. Löffler, Uniklinik

Heidelberg

Leipzig, Jena, Aachen,

(Halle)

Algorithmische Überwachung Intensivmedizin,

Leitliniengerechter Einsatz von Antibiotika zur

Bekämpfung bakterieller Infektionen durch

Computeranalyse und Aufbereitung für die klinische

Entscheidung.

DIFUTURE Prof. Kuhn

TU München, Klinikum

rechts der Isar

München (2x), Tübingen,

(Saarland, Regensburg)

Neurologie, Krebs und Kardiologie.

Page 20: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 20

Ausbau der Infrastruktur inkl.

elektronischer Patientenakten

Zugang guter digitaler

Anwendungenin die Versorgung

erleichtern

Integration von Big Data- und KI in die

Versorgung beschleunigen

Säulen der digitalen Agenda

InteroperabilitätInteroperabilität InteroperabilitätInteroperabilität InteroperabilitätInteroperabilität

InteroperabilitätInteroperabilität

Page 21: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 21

eHealth & Big Data Weite Projektförderungen

Page 22: Relevanz von Standardisierung und Terminologien...IT-Support für Patientenrekrutierung für klinische Studien, klinisch-molekulares Vorhersagemodell aus Patientenakten, Genomdatenunterstützung

| 10.10.2018 | Seite 22

Vielen Dank für Ihre Aufmerksamkeit!

KontaktBundesministerium für GesundheitNino Mangiapane

[email protected]ße 10810117 Berlin