Telemedizin im Einsatz
We analyse. We connect. We do.
Our approach we analyse. we connect. we do
Our approach “we analyse. we connect. we do” is focused primarily on intelligent networking, responsible data management and the inclusion of all stakeholders of a treatment pathway.
Active in over 70 interdisciplinary networks and with over 1 million case transactions per year, we are a hidden champion of stable eHealth solutions for modern healthcare models. Since 2006 we have been developing and operating a continuously growing medical collaboration platform. With a patient data archive and intelligent algorithms at their core, our digital and networked solutions optimise healthcare – whilst continually providing economic value.
Heute schon im Einsatz
Künstliche Intelligenz ist aktuell in aller Munde. Sie bietet sehr faszinierende, neue Möglichkeiten zur Nutzung großer Datenmengen und Unterstützung bei der Versorgung, birgt aber auch Risiken, wenn z.B. als ärztliche Unterstützung angedachte Modelle ihren Weg zu einem nicht-ärztlichen Einsatz finden und so Sorgen auslösen oder gar zu Fehlentscheidungen führen.
em.net hat bereits seit acht Jahren intelligente Algorithmen im Einsatz, die z.B. individuelle Risikobewertungen bei Patienten anhand von Bildern und Studiendaten errechnen und aufarbeiten.
Hier konnten wir entsprechende Erfahrungen sammeln und erweitern die Bandbreite der intelligenten Funktionen in der Meta-Akte em.net. Diese reichen von einem intelligenten und sicheren “Matchen” von Stammdaten und Behandlungsdokumentationen bis hin zu Modellen zur Prozessoptimierung, um durch intelligente Verteilungsalgorithmen Ärzte zu entlasten und zusätzliche Behandlungsressourcen zu schaffen.
Intelligenter Master Patient Index (MPI)
Die meisten MPI-Systeme funktionieren ähnlich. Sie erfassen unterschiedliche Stammdaten eines Patienten und führen sie zusammen, damit verschiedene Systeme über den gleichen Patienten „sprechen“, auch wenn dieser unter anderen Bezeichnungen oder Schreibweisen geführt wird.Neu und sehr innovativ ist nun die schrittweise Einführung einer künstlichen Intelligenz in unsere MPI, die nicht nur beim Erkennen und Clearing von identischen Patienten hilft, sondern auch vor der Übergabe der Patientendaten an em.net auf medizinischer Ebene prüft, ob die Daten auch wirklich zum Patienten passen.
Kurzgefasst kann em.net die erweiterte Funktionalität erkennen, ob die OP-Vorbereitung der rechten Hand zur restlichen Behandlungsdokumentation der linken Hand passt oder ob hier eine Inkonsistenz vorliegt, die evtl. auf einen falschen Patienten hinweisen könnte.
Zwar ist dieses Szenario in der Klinikwelt sehr selten, betrachtet man jedoch alle Berufsgruppen (auch nicht-ärztliche), die heute bei der Behandlung beteiligt sind und z.T. schon an em.net angeschlossen sind, kann diese zusätzliche Hilfe durchaus eine relevante Unterstützung sein.
Übersicht der Daten und KI
Sobald Ärzte an eine Meta-Akte wie em.net angeschlossen sind, die viele unterschiedliche Quellen bündelt, sehen sie sich einer Flut an Informationen gegenübergestellt, die kaum in der regulären Behandlungszeit bewältigt werden kann.
Gleichzeitig müssen alle Informationen gesichtet, gewertet und in die aktuelle Behandlung übernommen werden, nicht zuletzt um Fehler zu vermeiden. So muss beispielsweise eine in der Meta-Akte von einem Kollegen dokumentierte Allergie gesehen und gewürdigt werden – schon allein aus Haftungsgründen.
Um dieses Problem zu entschärfen, arbeiten wir an einem selbstlernenden Algorithmus, der die Informationen aus der Meta-Akte nach ihrer Wertigkeit im Einzelfall gewichtet und dem Arzt in einer kurzen Darstellung präsentiert. So erkennt er auf einem Blick, welche Informationen wichtig sind und kann sich diese im Details ansehen. Die KI sichtet damit die gesamte Akte und gibt dem Arzt eine Zusammenfassung, die er selbst nicht erfassen kann.
Wir sind überzeugt, dass dieses wichtige Feature stark dazu beitragen wird, die Akzeptanz der Vernetzung weiter voranzutreiben und arbeiten mit Hochdruck an der Lösung mit täglich spannenden Erfolgen und Schritten.
Bildanalyse und KI
In einem unserer wachstumsstärksten Projekte verwenden wir bereits heute intelligente Algorithmen. In diesem seit 2006 etablierten Zweitmeinungsszenario werden Netzhautaufnahmen von ärztlichem Assistenzpersonal erstellt und über die Meta-Akte em.net an externe Ärzte verteilt, die die Bildanalyse durchführen. Diese Analyse erfolgt dabei Hand in Hand mit intelligenten Algorithmen, die neben Auffälligkeiten auch die Risikostratifizierung und Konsequenzen aus großen Datenbeständen berechnen können.
Als Resultat der Analyse erhält der auftraggebende Arzt eine ausführliche Risikoanalyse sowie individuelle Behandlungsempfehlungen. Die Kombination aus ärztlichem Wissen, Netzwerk und Algorithmen schaffen eine enorme Verlässlichkeit bei den Auswertungen sowie Entlastung der Ärzte bei der Diagnostik und Therapie.
Quo vadis KI
Die Meta-Akte em.net verfügt bereits jetzt über eine signifikante Menge an anonymisierten Daten und Bildern, die ein hohes Potential zur Nutzung bei der Weiterentwicklung der Versorgung bieten.
Jedoch sind hier hohe datenschutzrechtliche Hürden gesetzt, die die beliebige Nutzung dieser Daten begrenzen. Zwar haben wir stets die Nutzung der anonymisierten Daten zum Zwecke der Forschung durch die Patienten freigeben lassen, dennoch bleiben einige Fragen offen, die einer weiteren Entwicklung im Wege stehen. Wir überlegen deshalb, welchen Schritt wir als nächstes gehen, um streng die erteilte Zustimmung einzuhalten.
Denkbar wäre demnach auch eine Mustersuche in den anonymisierten Daten nach ähnlichen Erkrankungsverläufen, bei der Erkenntnisse zu einer erfolgreichen oder fehlgeschlagenen Therapie gewonnen werden, oder Vorhersagen über den möglichen Verlauf eines Behandlungsfalles im Vergleich zum großen Datenbestand getroffen werden können.Ebenso können hoch individuelle Tipps und Vorschläge für den Patienten selbst aufgearbeitet werden, die er nutzen kann, um seine Lebensqualität zu wahren oder zu verbessern.
Mit der bereits frühen Einholung der Freigabe durch die Patienten haben wir bei der Nutzung anonymisierter Daten einen erheblichen Vorsprung, aber gleichzeitig sicherlich noch einen sehr weiten Weg mit vielen Möglichkeiten vor uns.
