Herzlich willkommen zu einer neuen Folge des eHealth-Podcasts. Mein Name ist Jessica Birkner, und ich habe heute einen ganz besonderen Gast mit dabei, mit dem wir sprechen zum Thema gute Daten. Mit dabei ist Professor Dr. Christian Wache von der Hochschule Konstanz. Ein völlig unbekannter Name. Nein, Quatsch. Bekannt aus Film, Funk und Fernsehen, kennt ihn glücklicherweise schon der mitAbstand größte Teil unserer Hörerinnen und Hörer. Hallo, Christian. Hallo, Jesse, was machen wir denn? Wir sprechen über gute Daten. 

Wir sprechen über gute Daten. Und bevor jetzt hier alle die Augen rollen und halb einschlafen: Ja, mal wieder Daten. Das ist wichtig und überfällig. Trotz KI oder gerade wegen KI. Daten. Trotz Cloud. Daten sind das neue Öl. Oh nein, der hat das gesagt. Nein, sei es drum. Daten sind das neue Öl. Neben dieser Aussage darf auch kein Beitrag starten, ohne natürlich den ikonischen Frank Gotthardt zuzitieren: „Niemand soll leiden oder gar sterben, nur weil irgendwann irgendwo wichtige medizinische Informationen gefehlt haben.“ Wichtiges Zitat. 

Also, wir gucken uns heute einmal an: Was sind denn jetzt eigentlich gute Daten? Also eine Runde Basisarbeit. Wir gucken uns an: Wie kommen wir zu guten Daten? Und wie kommen wir dahin? Wie werden Daten aktuell erhoben in den Krankenhaussystemen, in den Praxen? Wir schauen uns an, wie gute Daten wirklich gute Daten werden können, welche verschiedenen Nutzungsmöglichkeiten siehaben und wie man diesen Nutzen heben kann. Und vor allem auch, welche Hausaufgaben zu machen sind, damit Daten am Ende auch wirklich gute Daten sind und genutzt werden können. 

Dann starten wir mal. Was sind gute Daten? Also es gibt jetzt leider nicht diese Trennschärfe im Brockhaus — den kennt heute wahrscheinlich keiner mehr — oder bei Wikipedia, wo die Definition steht, was gute Daten sind. Gute Daten sind strukturierte, semantisch annotierte Daten. Das sind Daten, die richtig sind, also korrekt. Die vollständig sind, also dass da nicht die Hälfte fehlt. Die aktuell und zeitnah sind, also nicht erst vielleicht im Krankenhaus zwei Wochen nach Entlassung erfasst worden sind. Das ist so der erste Bereich. 

Und strukturiert bedeutet, dass zum Beispiel Anfang und Ende von einem Datum klar sind. Damit meine ich jetzt nicht nur Zeitangaben. Dass die Daten atomar sind, also dass wir jetzt zum Beispiel nicht zehn Hobbys hintereinander als langer String ohne Komma getrennt oder irgendwie sowas haben. Dass klar ist, welcher Datentyp vorliegt, also: Ist es eine Zahl? Ist es Freitext? Und dass es so etwas wieConstraints gibt, also irgendwelche Einschränkungen. Bei Körpertemperatur zum Beispiel haben wir erstens, dass klar ist, dass die Einheit Grad Celsius ist, und zum Beispiel auch, dass dort kein Text eingegeben werden kann. Das sind alles Bereiche, die gute Daten ausmachen. Dann das Lieblingsthema, semantische Interoperabilität. Wie würdest du das beschreiben, Jesse? Das ist ein Thema, beidem ich immer abgebe. Christian, definier doch mal bitte, du als Prof. 

Wenn das empfangende System das Gleiche unter den ausgetauschten Daten versteht, [dann sind] wir [semantisch] eine Einheit. Und das klassische Beispiel, was da immer kommt, also von den medizinischen Informatikerinnen und Informatikern: Ja, du bist Kardiologin, und ich bin Urologe, und ich sage hier, Patient hat HWI — ich meine Harnwegsinfekt, weil ich Urologe bin. Ja, der Patient hat einen Harnwegsinfekt, aber du sagst, ja, der Patient hat einen Hinterwandinfarkt. Genau. Genau, das ist diese semantische Interoperabilität. Wir haben Daten ausgetauscht, HWI, aber es ist noch nicht sichergestellt, dass [wir] das Gleiche darunter verstehen. Und das ist ein Vorteil, wenn wir gute Daten haben, dass die semantisch annotiert sind. Also dass wir nicht nur erfassen, keine Ahnung, 37,8, sondern dass wir auch erfassen: die Einheit, das ist in Grad Celsius. Das ist morgens irgendwie [gemessen] und nicht in der Sauna erfasst, solche Geschichten. 

Und für diese semantische Annotation haben wir ja schon 1000 Folgen gemacht. Deswegen, ja, ein paar Beispiele genannt, könnt ihr euch gerne anhören, gibt es auch einen Überblick. Sowas wie natürlichICD, OPS für die Diagnosen und Prozeduren unter anderem. Aber auch ATC, PZN im Medikationsbereich. LOINC unter anderem im Laborbereich. SNOMED CT für eigentlich alles. Das sind so Sachen, die dazu beitragen, dass wir da austauschen können und dass die dann von den Systemen richtig verstanden werden. Das würde ich sagen, sind gute Daten. 

Ich versuche die ganze Zeit, ein bisschen reinzugrätschen. Ich habe mich im Vorfeld auch [mit] ChatGPT [beraten]. Da habe ich gefragt, was gute Daten sind. Und bei diesen acht Punkten hast du dreiquasi getroffen, die ChatGPT auch benennen würde. Das, was bei dir quasi noch fehlt in der Definition und was ChatGPT vorschlagen würde, wenn man das Thema Konsistenz, Relevanz, Eindeutigkeit, die Nachvollziehbarkeit hernimmt, und vor allem auch das Thema Sicherheit, also besonders wichtig in der Medizin. Und diese Aspekte müssen eben auch noch mitberücksichtigt werden, damit [es] guteDaten sind. Aber natürlich ist in der Definition mit strukturierten Daten das meiste mit inkludiert, weil [es gibt] keine strukturierten Daten ohne Konsistenz und ohne Relevanz. Und Eindeutigkeit ist ja semantische Annotation, damit haben wir das ja. Gott sei Dank! Damit hast du alles abgehakt. [Würdest] du was anderes [meinen] als ich, das wäre schrecklich. 

So, wir reden [über] den Nutzwert von Daten. Jeder, der mich kennt, war schon mal in Behandlung im Gesundheitswesen. Ganz klassisch, erst geringster Nutzwert, und ein klassischer [Fall ist die] Dokumentation und Datenerfassung auf Papier. Am besten ist ja auch — bei mir persönlich war es immer so —, wenn Papier digital erfasst werden würde, und zwar [indem es] eingescannt wurde. Also, ich selbst erlebt: Ich bin im Krankenhaus mit einem Ordner mit meinen Dokumenten durch die Gegend geschoben worden, und überall waren Stempel drauf, „digital erfasst“. Kann man machen, klingt abernach echt anstrengendem Doppelaufwand und wenig Nutzen. 

Ja, was wird besser, wenn wir gleich elektronisch erfassen? Nein, [Verschreiben:] Auch da sind wir in allen Bereichen inzwischen schon besser aufgestellt. Und ich glaube, jeder Hörerin und jedem Hörer ist auch das bewusst: Jede digitale, elektronische Erfassung, und sei es nur der Freitext, ist besser, als wenn wir Papier nutzen und einscannen. Noch besser als der Freitext — es ist für uns auch immer so ein rotes Tuch, Freitext kann alles und nichts — sind natürlich strukturierte Daten. Und die Königsklasse des Nutzwertes bei Daten sind natürlich strukturierte Daten, die semantisch annotiert sind, wie es Christian gerade erklärt hat. 

Wie werden denn so im niedergelassenen Bereich da [Daten] erfasst, [wie] würdest du das zusammenfassen? In allen möglichen Arten, die du dir so vorstellen kannst. Also natürlich in der schlimmsten Form natürlich auf Papier, zweitschlimmste Form als Freitext. Sie kommen auf allen möglichen Wegen rein. Also einmal schon mal, wir haben teilweise beim Stammdaten-Erheben, ganz am Anfang, da werden sie jetzt zwischen[durch] digital erfasst. Dann haben wir wieder Brüche drin, dass wieder irgendwie Dokumentationen auf Papier erfolgen oder im Freitextfeld, eben teilstrukturiert. Teilweise auch schon automatisiert, teilweise Anwendungen jetzt schon im Bereich der Telematikinfrastruktur — ihr kennt das alles, eArztbrief und Co, elektronische Medikationsliste, jetzt auch mit der ePA. Da werden Daten zum ersten Mal echt strukturiert und nativ erfasst, können weiterverarbeitet [und] verwendet werden. Da haben wir eine echte Digitalisierung und echt gute Daten, würde ich sagen. Sind ja eigentlich auch wirklich schlechte Daten, die ja noch vorherrschen — also ganz egal, ob es per eingescanntem Befund reinkommt oder der Patient ganz klassisch noch seinen Ordner unter dem Arm dabei hat und die Dokumente irgendwie eingelesen werden, wenn überhaupt. Wie ist das bei euch? 

Ja, vielleicht noch eine Anmerkung. In manchen Bereichen muss es ja schon sehr strukturiert sein, auch bei sehr basalen Geschichten. Gerade so Diagnosen, gibt es ja diese ambulanten Kodierrichtlinien, die ist ganz super. Da muss es ja strukturiert sein, und auch bei der Medikamentenverordnung, bei Rezepten oder so. Erinnere ich mich noch ganz lange zurück, ans AVWG — ne, [das] Arzneimittelversorgungs-Wirtschaftlichkeitsgesetz. Da würde ja ohne strukturierte Daten gar nix gehen. Bei uns im Krankenhaus — ich hab mir das tatsächlich mal ein bisschen aufgeschrieben, dass ich dann nicht die Hälfte vergesse. Gibt es Besseres? Ich bin halt weniger spontan als du. Das ist dein jugendlicher Leichtsinn. 

Okay, also Krankenhaus, viele Quellen. Es gibt natürlich Patientinnen und Patienten, die Befunde auf Papier mitbringen, die bringen, [was] weiß ich, mal CD-ROMs mit, DVDs, wo dann irgendwelche Befunde, CT-Bilder, sowas drauf sind. Es gibt natürlich vorherige Fälle, die in einem System drin sind, also in diesem klassischen Krankenhausinformationssystem (KIS), Radiologie-Informationssystem (RIS), PACS, wo die ganzen Bilder gespeichert werden. Da sind normalerweise auch schon Daten drin, wenn Patientinnen und Patienten vorher schon mal da waren. Zunehmend ePAs — du hast es ja gerade schon gesagt, dass jetzt auch Krankenhäuser da so langsam mitmachen, auch wenn die Krankenhäuser ein bisschen hinterherhängen —, weil jetzt Daten in die Zukunft auch aus der ePA, von vielleicht niedergelassenen Ärzten, auch ins Krankenhaus eingespielt werden. Auf der eGK selber sind ja auch ein paar wenige Daten. Ansonsten haben wir noch sowas, die Patientenportale — Krankenhauszukunftsgesetz hat das ja ganz groß gefördert, gefördert hat [der] Fördertatbestand 2, also dass die Patientinnen und Patienten noch vorm Aufenthalt im Krankenhaus selber Daten eintragen können. Also es sind so einige dieser Quellen, wo Daten von außen kommen. 

Ich habe auch noch eine Außenquelle, die ist mir auch nicht ganz unwichtig: Thema, Stichwort Medizintechnik. Also auch sehr viel, was an Daten und Informationen in die Primärsysteme kommt, kommt eben aus Messgeräten und Co. Genau, das hätte ich jetzt unter Erfassung subsumiert. Also das andere sind jetzt irgendwelche Quellen von außen. Und das sind jetzt — ich habe es jetzt Erfassung genannt und einmal unterteilt in Erfassung durch Menschen und durch Geräte. Du bist so strukturiert. Man merkt einfach deinen Job. 

Erfassung durch Menschen, ganz normal irgendwie stationär PC oder mobil mit Tablet. Das ist eigentlich nur, wo man das macht. Man kann auf beiden natürlich das strukturiert machen, also mit irgendwelchen Auswahlwerten oder Zahlen, also bei Diagnosen, Temperatureinträgen etc., oder bei unstrukturiertem Text. Da kann man sich dann auch überlegen, ob man Textbausteine nutzt, wie „MFG“ wird dann aufgelöst zu „mit freundlichen Grüßen, die Welt liegt dir zu Füßen“. Danke für den Hinweis. Bitte für den Hinweis. Da kannst du natürlich bei Textbausteinen auch wieder Semantik hinterlegen. Trotzdem bleibt es dann erstmal unstrukturierter Text. Oder Spracherkennung, was auch total viele Kliniken feiern, was ich gar nicht so mag, weil Spracherkennung ergibt in der Regel unstrukturierten Text, und den mag ich als Informatiker natürlich nicht so. 

Und dann auch im Krankenhaus selber natürlich noch die ganzen Geräte. Da haben wir sowas wie Kameras, also Fotos bei Wunden, Videos bei Operationen. Oder auch diese ganzen medizintechnischen Geräte — das, was du gerade richtig schon gesagt hast —, da haben wir die klassischen Modalitäten, MRT, CT, PET-CT, Szintigraphie, Endoskopie. Die machen dann irgendwelche entweder morphologischen oder funktionellen Bilder, die dann abgelegt werden, zum Beispiel im PACS. Wir haben weitere Funktionsdiagnostik — habe gerade genannt das Szintigraphie und PET. Sowas wie EKG, Lungenfunktion, die machen häufig keine Bilder, sondern eher so Diagramme, die dann auch [anders] gespeichert werden. Wir haben Labor, die Laborwerte ist auch Medizintechnik, wir haben Körpernahe[s], sind so irgendwelche Spot-Monitore, die auch in den ganzen Krankenhausserien stehen, wo man dann sieht, oh, der Patient stirbt, müssen den Defi holen. Und dann ballert man da so viel Strom, [dass] einer den Patienten 40 Zentimeter über dem Bett beschreibt. Ich schweife ab. Also, die Körpernahen sind sowas wie Puls, Blutdruck, Temperatur, Gewicht, dieses Zeugs. Also da kommen jetzt die ganzen Daten her. 

Du siehst, sehr vielseitig und sehr, sehr viele Quellen. Und das muss irgendwie sinnvoll zusammengeführt werden. Und irgendwie auch [zu] entschuldigen, wenn du sagst, na ja, mal schauen, die Krankenhäuser starten mit der ePA verzögert — na ja, irgendwie nachvollziehbar. Also wir haben im ambulanten Bereich natürlich auch ein sehr, sehr komplexes Gefüge, aber es sind trotzdem immer ähnliche Behandlungswege und Dateneingänge und -ströme, die wir hier gehen. Also es ist bei weitem nicht so komplex. Und es ist ein [System mit] weniger System[en]. Also allein schon die Diskussion, welches System denn jetzt im Krankenhaus an die ePA angeschlossen werden soll. Es ist jetzt, weil wir bisher hauptsächlich PDF dorthin reinpacken, [meist] das Archivsystem, Dokumentensystem. Es ist schon perspektivisch [problematisch]. Wie machst du das mit den tausenden Benutzern, die ich teilweise bei großen Kliniken [habe]? Also das ist alles viel komplizierter, und das ist sicher einer der Gründe, warum es da hakt. Und es ist häufig gar nicht die Technik, sondern eher organisatorisch. Ja, ja. 

Genau. Die größte Frage aktuell zur ePA im ambulanten Bereich ist, wer übermittelt die Labordaten — das Labor in die ePA oder die Hausärztin oder der Hausarzt? Das ist eine sehr große Frage. Und da möchte ich nicht wissen, wie [es] Krankenhäusern gerade [im] Kopf [herum]geht. Es ist nicht immer alles ePA, aber es ist vor allem alles immer Daten. Wir haben gerade schon angerissen, super viel los im Krankenhaus, super viele Daten, Inputmöglichkeiten, Erfassungsmöglichkeiten, klingt anstrengend. Klingt nach Aufwand, gerade wenn man versucht, da gute Daten ranzukriegen. Was sind denn die Vorteile, und was entschädigt? 

Ich starte mit Nachteilen, auch das ist mir jetzt — also machen wir beide Betrachtungen. Das ist mir total wichtig. Das wäre auch, wenn es jetzt total abgedroschen klingt, dass man in den Projekten ehrlich ist und dass man von Anfang an auch sagt, wo wird’s besser und wo wird’s schlechter. Und schlechter im Sinne von: kostet mehr Zeit, kostet mehr Geld. Wenn du gute Daten haben möchtest, dann kostet das erst mal Zeit. Es gibt einfach Teilprozesse, da dauert es länger, und das ist so, und das ist auch in Ordnung, aber das muss man von Anfang an [sagen]. Also die Erfassung wird wahrscheinlich in Summe länger dauern. Natürlich kann man das auch minimieren, indem man ganz viel über Medizintechnik, wie gerade [gesagt], eine automatische Datenübernahme von solchen Spot-Monitoren macht. Aber wenn du jetzt in der Vergangenheit einfach irgendwas diktiert hast und das stand freitextlich da, dann musst du das jetzt irgendwie [strukturiert] erfassen. Da gibt’s auch Hilfsmittel, dass du von mir aus Sachen sagst und der sucht dir die richtigen Bereiche in der Dropdown-Liste aus. Blödes Beispiel Beruf, ne? Beamter — kannst du theoretisch sagen, Beamter, dann findet er das, das will helfen. Aber das Auswählen dauert länger, als wenn du es einfach irgendwo hinsprichst oder irgendwie reinschreibst. Das ist der große Nachteil, Punkt 1, für die Benutzerinnen und Benutzer. 

Punkt 2 ist, du musst dir auch Gedanken machen, was da nachher alles dazugehört. Also sowas wie eine Anamnese, klinikweit, über alle Kliniken hinweg oder alle Fachabteilungen, was da reingehört. Da sind schon Freundschaften und Arbeitsbeziehungen dran verbrochen [worden], weil die einen gesagt haben, nein, das ist total wichtig, das gehört da rein, und die anderen gesagt haben, nein, für uns in der Kinder-Onkologie ist das wichtig. Also das sind so die beiden Probleme, aber die man adressieren kann. So, das der Nachteil; der Vorteil ist dann aber, dass du in den nachgelagerten Prozessen einfach dramatisch viel Zeit sparen kannst. Was ich immer noch sehe in vielen Krankenhäusern, ist, dass die meckern über sowas wie eine Arztbriefschreibung, dass das so lange dauert. Und das ist nicht das Problem, dass die Arztbriefschreibung kompliziert ist, sondern weil die am Anfang richtig schlecht die Daten erfassen. Wenn du freitextlich von mir aus nachher in Wörter [tippst], irgendwo an tausend Stellen, unstrukturierten Text ins PACS — na, wie soll danach ja automatisch ein Arztbrief generiert werden? Also das manifestiert sich [darin], dass die Prozesse vorher nicht gut laufen. 

Ich bin hier parallel sehr [dabei], weil ich das auch kenne, dass man gerade sagt, na ja, wir haben ja ein Versichertenstammdaten-Management, da kommt schon irgendwie alles, warum [mehr]? Nein, das reicht nicht aus. [Wenn] ich die [Daten] zeitnah und die Patienten schon mal richtig und vollständig anlege, strukturiert anlege, kann ich mir im nachgelagerten Prozess eigentlich jede Menge Zeit sparen. So, aber wir [ziehen] Vorteile [draus]: Gute Daten, vom Jahr aus. Du hast bei einer OP-Dokumentation auch schon irgendwelche OPS dabei. Du erfasst ICD zeitnah. Du bekommst die Daten aus dem Laborsystem. Du erfasst Befunde halbwegs strukturiert. Dann hast du viele Vorteile. Du kannst zum Beispiel, während der Patient noch stationär ist, sowas wie eine Hochrechnung machen, ob der Patient die DRG-mäßig nah an der oberen Grenzverweildauer ist oder nicht. Das heißt, du hast Steuerungsmöglichkeit. Wenn du erst alles später machst oder gar nicht strukturiert, bist du eigentlich im Blindflug unterwegs im Krankenhaus, voll Katastrophe. 

Bleiben wir aber bei dem konkreten Beispiel mit Arztbrief. Der sieht immer gleich aus: „Sehr geehrte Kolleginnen, Kollegen, wir berichten über PiP, der dann und dann bei uns vorstellig wurde“, und dann immer die gleichen Sachen. Wenn du die Sachen dort einfach nur an die richtige Stelle [einpackst], auf diesen Blueprint vom Arztbrief, dann bist du fertig. Dann, wenn du vorher aber dokumentierst, hast du den Arztbrief innerhalb von einer Minute. Du brauchst [nur] auf den Knopf [zu drücken]. Die Daten werden an die richtige Stelle hingeladen. Du sagst vielleicht noch, die Ideen, wo ich [sie] möchte oder nicht mit drin haben [will], wähle die aus, dass sie nicht erscheinen. Fertig. Einer der Vorteile. Das ist ein Vorteil. 

Und ich will gar nicht damit anfangen, aber ich habe es hier vom Volk bereits schon gesagt: Wir können mal zurückspulen auf andere, alte eHealth-Podcast-Folgen. Wir haben ja damals schon Blockchain gebasht und fanden das dumm. Aber [wir] haben KI schon gefeiert, und da haben wir recht behalten. Also KI revolutioniert gerade alles, also total krass. Ich glaube auch immer noch nicht, dass es zu sehr gehypt ist. Ich glaube, das ist absolut gerechtfertigt, wie es gerade läuft. So, KI braucht Daten, und du musst Sachen trainieren. Und es ist noch überhaupt nicht absehbar, was wir auch im medizinischen Bereich dort in Zukunft alles machen können. Und die Sorge, die ich immer habe: Wenn du jetzt nicht den Grundstein legst für coole KI-Anwendungen in der Zukunft, dann verbaust du dir jetzt schon die coolen Sachen, die in Zukunft kommen werden. Irgendwelche verrückten KI-Sachen, denn wenn die nur auf Freitext laufen, dann müssen die ja zwei Schritte machen: Die müssen erst mal den Freitext verstehen, in strukturierte Daten übertragen und dann damit arbeiten. So, und das heißt, du hast zwei Schritte, wo ansonsten nur ein Schritt notwendig wäre, und der ist natürlich fehleranfällig. 

Und das ist das ganz große Problem. Also strukturierte Daten — nicht nur, dass du Steuerungsmöglichkeiten hast im Krankenhaus, dass du siehst, der Patient ist vielleicht besonders gefährdet, dass du da aus finanzieller Sicht drauf gucken kannst, nicht nur aus Entscheidungsunterstützungssicht, dass du eine Sepsiserkennung machen kannst, weil du da die Laborwerte strukturiert, semantisch annotiert hast — sondern auch Verwaltungsgeschichten, Arztbrief automatisch generieren, und mit das Wichtigste: Du verbaust dir die [Zukunft] nicht jetzt durch ein bisschen Bequemlichkeit, [angesichts dessen], was da alles in Zukunft noch richtig geil ist an KI-Geschichten kommt. 

So, ergänzend aus dem ambulanten Bereich: Also all das, was du gesagt hast, eher [als] Arztbrief, hier auch ganz großes Thema, eine Vorarbeit leisten und dann kann man es nutzen, aber es gibt ja noch weitere Möglichkeiten, und hier war ich jetzt auch mal strukturiert. Es gibt nämlich drei weitere Felder, die im ambulanten Bereich spannend sind. Zum einen kann ich durchaus mit einer guten Datenhaltung auch organisatorisch mir viel erleichtern. Ich kann damit irgendwann abmessen, wie lange ist überhaupt eine Wartezeit bei mir im Wartezimmer und wie kann ich hier optimieren. Kann ich sonstige Prozesse optimieren, kann ich bei der Dokumentation was machen. Wie lange braucht denn eigentlich so ein Medikament von der Verschreibung bis [zur Einnahme]? All diese Dinge lassen sich organisatorisch mit guten Daten auch im System auslesen und verarbeiten. 

Da ist natürlich auch das medizinische Feld, also auch gerade wenn wir an die Forschung denken und immer [an] den Versuch, eine komplette Patient Journey abzubilden. Ja, das ist nur möglich, wenn ich auch vollständige Daten habe von Arzt und Ärztin und [sie] zusammenfügen kann. Beispiele: Wir hatten vor Jahren mal das große Thema seltene Erkrankungen, das ganz groß gehyped wurde, gab es viele Apps auch dazu, die das irgendwie mit zu tracken versucht haben. Heute sind es gerade eher wieder die Volkskrankheiten, die irgendwie so ein Revival haben und beleuchtet werden. Und all das kann ich mit einer guten Datenhaltung einfach tracken und nachvollziehen und entsprechend auch in DMPs und Co weiterverarbeiten und besser versorgen. DMP? Das sind Disease-Management-Programme, also strukturierte Behandlungspläne, in denen Patientinnen quasi eingeschrieben werden und dann einfach über einen längeren Zeitraum mit Besondervergütungen und Sonderbehandlungsmöglichkeiten einfach längerfristig therapiert werden. Evidenzbasiert. Evidenzbasiert, das ist ganz wichtig, dass man hier nicht ausklappert. Da gibt es immer wieder neue, die werden ja vom G-BA irgendwann verabschiedet und freigegeben. Wenn das dann software-seitig immer umgesetzt [wird], sehr gute Maßnahme, gerade auch in Zeiten der Budgetierung, werden sie immer gerne angenommen. 

Dritter Punkt ist vielleicht auch noch ganz spannend: Auch die Software selbst lässt sich mit Daten gut viel verbessern. Also wenn Hersteller sehen, huch, hier sind die Daten, die nicht stimmen — ich habe ein kategorisiertes Feld, kann mir den ICD-Code auswählen, und der Code passt einfach nie zu den sonstigen Dingen, die irgendwie mit dokumentiert wurden —, dann kommen wir irgendwann auf die Idee, vielleicht gibt es das Angebot nicht, was der Arzt, die Ärztin hier gerade auswählen wollen würde, und kann man in Frage stellen, ob das sinnvoll ist, die Kategorisierung, die man anbietet. Und so weiter, das [sind] jede Menge Möglichkeiten, [wie] man einfach Nutzungsprozesse optimieren kann, indem man eben gute Daten sieht und verwertet und entsprechend nur [richtige] Schlüsse ziehen kann. 

Jetzt habe ich einen neuen Agenda-Punkt. Ich glaube, du hast [ihn] erstellt? Ja, ich habe den einfach abgewandelt, ohne, dass ich mich mit dir abgesprochen habe. Oh nein. Jetzt wird es auch ein bisschen medizininformatiklastig und ein bisschen nerdig. Wir [erklären] jetzt nicht alle Abkürzungen, [wie] wir [sonst] hören. Dann ist das völlig in Ordnung, wenn das aber fertige Medizininformatikerinnen und Informatiker nicht checken, dann geht das nochmal eben euch [an]. Und zwar würde ich jetzt gerne sagen, was du für Systeme brauchst, auch wieder mit Krankenhauskontext, ja, um gute Daten auch verarbeiten zu können. 

Und der allererste ist der Kommunikationsserver. Da wissen eigentlich alle Leute, was das Ding macht: Das steht wie so eine Spinne im Kommunikationsnetz, und das nimmt Daten von System A entgegen, verarbeitet die ein bisschen, schickt die halt weiter an System B. Das heißt, kann durchaus sein, dass der zwischen Standards übersetzt, also zum Beispiel von HL7 v2 zu FHIR oder auch DICOM übersetzt in [HL7] v2. Kann sein, dass der auch die Übertragungswege anpasst, also manche können eine TCP/IP-Socket-Verbindung, manche machen halt irgendwelche REST-Calls über HTTP etc. Das heißt, kann sein, dass er da übersetzt. Also das Ding steht in der Mitte, und normalerweise laufen alle oder die meisten Kommunikationsströme da drüber. Und der macht zum Beispiel — ich nehme halt das Beispiel in der Vorlesung: Wenn das KIS die Schuhgröße in Feld 37 schickt, aber das PMS die Schuhgröße in Feld 39 erwartet, dann packt das einfach — nimmt die Nachricht entgegen mit Schuhgröße auf 37 und packt das dann in das Feld 39, dass da eben nichts beim KIS und meinem PMS angepasst werden müssen. Das gehört da sicher dazu, Kommunikationsserver. Aber es gibt ihn normalerweise im PVS-Bereich auch nicht. Also eben ein Mapping sozusagen. Alles Mapping. Also die Daten an die Stellen packen, wo das System die erwartet. 

Aber der sagt z. B. auch, diese eine Nachricht ist für vier von den 20 Systemen relevant, [nur] an die vier Systeme geht das. Der sagt aber auch, okay, wenn ein System gerade geupdatet wird und eigentlich Nachrichten entgegennehmen müsste, dann puffer ich diese so lange, und wenn das System sich wieder meldet, dann schicke ich die raus. Oder, aber um bei dem Bild zu bleiben, das waren gerade dieses TCP/IP-Socket-Gezuppel, das eine System erwartet, der braucht eine Kanne — per Brieftaube schicken — und aber [ein] zweites System will dann Fax, was [ein] drittes will, wenn die [es per] E-Mail haben. Der würde dann von Brieftaube auf Fax das konvertieren, so. Das macht der Kommunikationsserver. Großteils. Offenbar. Ja, das ist aber Standard, das haben die alle. 

Dann haben wir etwas, was zunehmend kommt, [das] Clinical Data Repository, haben wir auch schon mehrfach hier erläutert, bin ich auch Fan von. Das ist so eine Art zentrale Datenbank, in der die klinischen — die wichtigen klinischen Daten aus unterschiedlichen Quellen, KIS, LIS, RIS/PACS, gespeichert und zusammengeführt werden. Sodass man da dann im Krankenhaus vielleicht auch das macht, was man bei der Software-Entwicklung hat, nämlich die Datenhaltung — das wäre das CDR — trennen von der Funktionalität — besten OP-Slot berechnen — und das auch noch mal trennen von der GUI, wie sieht das Ganze aus. Sodass [es] ein großes Thema [ist] und da sollten dann die guten Daten, die aus den primären Systemen kommen, gespeichert werden im CDR. 

Dann gibt es jetzt noch ein bisschen Exoten. Das sind einmal Terminologieserver und sowas wie ein Medical Data Dictionary. Terminologieserver, ja, kann man sich vorstellen, das ist ein System, was dann — wir brauchen ja für semantische Interop[erabilität] Code-Systeme und Klassifikationen, Terminologien, und dieser Terminologieserver kann sowas bereitstellen. Sowas wie es noch [SNOMED] CT, [ICD], ATC etc. Da gibt es einmal landesweite Initiativen, Österreich macht das zum Beispiel schon lange. Es gibt in Deutschland sowas vom BfArM, die wollen das auch aufbauen oder sind schon dabei. Das ist noch nicht ganz so, wie ich mir das vorstelle, weil bisher ist es da auch tatsächlich so, dass du die Klassifikation jetzt nicht nur von der Webseite, sondern auch vom Terminologieserver runterladen kannst. 

Die richtig coole Ausbaustufe ist, wenn du sowas hinschicken kannst — von mir aus auch im Krankenhaus: Ich möchte einen Herzinfarkt kodieren, und [du] schickst das halt hin, und der sagt, okay, der SNOMED-CT-Code ist das, der ICD-Code ist das und so weiter. Dass du also Sachen hinschickst und der schickt das dann klassifiziert entsprechend zurück. Das ist dann die Endausbaustufe. Das hilft dann natürlich auch, weil du dann sowas wie diese Terminologien nicht in allen Systemen vorhalten musst. Also du musst es nicht machen im KIS, im PDMS, im RIS, im LIS, sondern du kannst theoretisch diese zentrale Funktion nutzen, machen aber leider nicht viele. 

Und das letzte Ding — das ist jetzt noch wilder — ist ein Medical Data Dictionary, ist noch ein bisschen [ein] anderer Ansatz. Da führst du einfach zusammen, welche Daten wo gespeichert sind, und matchst die. Das heißt, der speichert selber keine Daten wie ein CDR, der sagt auch nicht, ich verändere Daten wie ein Kommunikationsserver, und der hat auch nicht alle Terminologien gespeichert wie ein Terminologieserver, sondern der sagt einfach, eben im KIS steht das Gewicht in folgendem Format mit Kilogramm, von mir aus in dieser Tabelle, und das Gewicht steht im PDMS an dieser Stelle, und das ist beides das Gleiche. Das heißt, der matcht also, welche Daten wo stehen, in welchen Systemen, und welche da dann inhaltlich identisch sind. Oder als Beispiel: irgendwie Blutdruck systolisch ist ein Integer-Wert zwischen, ich habe keine Ahnung, 60 und 250, und der steht im KIS da und im PDMS dort. Das sind die Systeme, die man theoretisch braucht. Nee, stimmt gar nicht — also brauchen, brauchen [tut man] einen HL7-Kommunikationsserver, ich empfehle jetzt zunehmend auch ein CDR den Krankenhäusern, die ich berate. Und das andere beides ist nice to have. 

Danke für die Erklärung, sogar für Nicht-Informatiker dann auch spannend. Thema Terminologieserver, [hätte ich] eine Nachfrage, und zwar: Ich habe das politisch ein bisschen mitbekommen, der wurde ganz groß angefragt, ganz groß gehalten, ganz groß — und ich weiß nicht mehr [ob] im Detail gesetzt oder irgendwo so lange [her], und soll jetzt eben entwickelt werden. Du klangst nicht begeistert — was müssen wir tun, damit du jetzt hier die Empfehlung aussprichst, Terminologieserver, der ist es? 

Also richtig cool wäre es, wenn — also erstens brauchst du es organisatorisch, dass sich darauf alles bezieht, also dass du all das, was gesetzlich verpflichtend ist, von mir aus auch in Zukunft irgendwelche Auswahlwerte, die bei FHIR-Ressourcen oder FHIR-Profilen erlaubt sind, dass das dort alles an einer zentralen Stelle gepflegt wird. Das müsste organisatorisch sichergestellt sein. Und dann wäre es gut, wenn man das auch so umsetzen kann, dass entweder die vielen Systeme, die dann die ganzen Terminologien nutzen, den immer wieder anfragen können und sich Updates ziehen, automatisiert, dass du das nicht irgendwie pflegen musst, sondern dass das automatisch [geht]. Also keine Ahnung, Gematik oder KBV überlegen sich jetzt, wir wollen jetzt einen neuen Beruf mit auswählbar gestalten, dann soll das in diesem zentralen Terminologieserver aufgeführt werden, und dann ziehen sich alle PVS, die installierten in der Praxis, oder auch die KIS, die ziehen sich dann diesen Wert, und dann ist der automatisch da mit drin. Egal, ob dann im Krankenhaus nochmal ein eigener Terminologieserver [steht], der sich das dann holt und dann intern verteilt, oder auch nicht. Also dann bringt das wirklich etwas. 

So wie es jetzt ist, du kannst dann das einfach irgendwie abfragen oder die Schnipsel-Teile runterfahren, sowas, ganz am Anfang. Dann hast du es formal, aber dann hast du jetzt nicht so den großen Nutzen. Aber ich glaube, in die Richtung soll es auch irgendwie gehen, aber das muss man halt richtig pushen und auch richtig durchdenken. Also, das sind ja auch echt [Verzögerungen], ich glaube — also ich weiß, ja, du musst [das] erstmal politisch entscheiden und durchdrücken und auch Geld dafür bereitstellen. Aber der erste Schritt ist ja getan. Neue Regierung gestartet, dann kommen wir [zum] nächsten Punkt, auf die Agenda, [ich] ersetze. Weiter geht’s. Ich würde gerne jetzt hier einmal die Agenda-Punkte wünschen. Ich hab noch eine Ergänzung, die hast du noch gar nicht gesehen. Und das tut mir furchtbar leid, aber ich muss das Wort ePA noch mal benutzen. Auf gar keinen Fall, ePA-Folge hier! 

Aber trotzdem: In der ePA, die elektronische Patientenkurzakte und die MIOs, medizinische Informationsobjekte — hör ich eben wieder als große Datenhoffnung. Haben wir jetzt hier super strukturierte Daten? Lasst es die MIOs endlich weiterentwickeln! Schon in der alten ePA war das ein riesen Thema. Geht mir damit jetzt endlich [eine] gute Lösung raus. Und dann gibt’s wieder neue Stimmen, die sagen, ja, die MIOs sind auch irgendwie schon wieder veraltet von der Systematik und von der Idee her, es kann noch KI viel besser. Was ist deine Meinung dazu? Dich… danke. Das [eine] will [das] überhaupt nicht [aus]fordern. Also das eine [hat] mit dem anderen gar nichts zu tun. Wenn du also Freitext da[stehen] hast, dann kannst du von mir aus KI drauflaufen lassen, um die halt irgendwie noch halbwegs praktikabel nutzbar zu machen — im Sinne von: Du nimmst sowas wie ein Large Language Model, ChatGPT, gibst da davor 30, 40 PDF-Dateien rein, hast einen Leistungsstagen-Rechner und sagst, steht da irgendwas zu, ich weiß gar nicht, Blutgerinnungsstörungen in der Familienanamnese, [was] irgendwo keine Ärztin, kein Arzt [in] 40 Dokumenten durchlesen würde. Da kannst du KI einsetzen, das ist sinnvoll. Das ist aber losgelöst von dem, wie wir die ePA nutzen. 

Und natürlich ist es nicht geschickt oder nicht das Ziel, das große Ziel nachher, dass wir PDF-Dateien austauschen, wo die medizinische Nutzlast nachher hauptsächlich als Freitext drinsteht. Das ist von mir aus in Ordnung für einen ersten Schritt, dass man sich dran gewöhnt. Aber natürlich ist es nachher richtig, dass wir auch da strukturierte Daten haben. Ob das jetzt MIOs sind oder nicht, da ist mir [gehupft] wie gesprungen, [es] sollten Sachen sein, die eindeutig sind, die sauber sind. Und da ist die Frage, ob so, wie die MIOs in der Vergangenheit definiert worden sind, ob das in allen Bereichen von Anfang an richtig gelaufen ist — haben wir hier auch schon mehrfach erwähnt. Da geht es eben nicht darum, dass du [es eins zu eins umsetzt]. Also bei der Umsetzung von Papierformularen in strukturierte digitalisierte Formulare, hast du ja schon gesagt, da muss man eben nicht eins zu eins jedes Feld genauso umsetzen, sondern da muss man sich vorher Gedanken machen. Und das ist das Wichtige, dass man sich von den Papierformularen löst, [dass] man sich eher mit so einem Referenzmodell dann [annähert], wie hängen welche [Daten] zusammen, wo braucht man welche Auswahlwerte etc. Das ist das Wichtige. Und ob das ein MIO heißt oder nicht, oder ob man sowas wie openEHR nimmt, [haben wir] ja auch schon mehrfach besprochen, whatever, das ist mir egal. Hauptsache, das Ziel ist, dass wir irgendwann nicht da PDF-Dateien, ergo Freitext, in die ePA kloppen. Am Anfang okay, aber das sollten wir irgendwann bald auch richtig machen und richtig angehen. 

So, ja, auch so. Du hast gerade eben schon das Thema KI und NLP angesprochen, du wolltest da noch Kritik üben. Ja, ich wollte Kritik üben. Also ja, ich finde es manchmal schwierig — ich spiel viel auf meinem Rechner rum mit Large Language Models. Ich habe da übrigens [eine] absolute Empfehlung — [für die,] von euch, die auch ein bisschen technisches Interesse haben —, sowas wie Ollama mal zu installieren, das geht super einfach. Man hat ein Large Language Model auf dem eigenen Rechner, kann da auch ein Stück weit sauber dort Sachen reinkippen, PDF, analysieren lassen etc. Das ist schon alles sehr cool. So, wenn man sich damit beschäftigt und eine grobe Idee hat, wie nachher sowas funktioniert, dann nervt es, wenn Leute einfach jetzt dieses Werkzeug KI auf alles werfen, was irgendwie ein Problem ist. Also anstatt die Ursache des Problems zu adressieren — wir erfassen jetzt strukturierte Daten —, sagen die, ja, können wir weiterarbeiten wie bisher, und dann kommt KI fehlendStaub, und dann macht das das schon alles richtig. Und das ist einfach die falsche Herangehensweise. 

So, wenn du also prospektive Sachen machst, du holst jetzt ein neues KIS, du willst nochmal die Dokumentation neu aufsetzen, dann machst du das bitte, bitte strukturiert, semantisch annotiert. Wenn du möchtest, dass die bestehenden [Daten], die vor 20 Jahren erfasst worden sind, die in PDFs irgendwo rumschlafen — wenn du die auch berücksichtigen möchtest bei der Diagnosefindung —, da kann man gerne KI einsetzen. Da kippst du das dann ins LLM, die vorhin gesagten 50 PDF-Dateien, und dann kann die KI gucken, ob sie irgendwas Sinnvolles rausfischt, weil der Mensch würde das einfach nicht machen, damit das also gar nicht berücksichtigt wird, [und so] kann man das dann nutzen. Und da ist es sicher hilfreich, wenn du auch sowas nutzt wie Natural Language Processing (NLP). Also NLP, ganz kurze Erklärung: Da kann natürlich sprachlicher Text einfach besser verstanden werden. Beispiel: Wenn jetzt irgendwo steht, Appendizitis wurde ausgeschlossen, da wär’s richtig blöd, wenn das LLM sagt, ah, ich sehe, der Mensch hatte eine Wurmfortsatzentzündung, weil es wurde ja ausgeschlossen — also du musst den Kontext verstehen. Oder eben Ausschluss von Appendizitis, oder: keine — der Patient berichtete von einem Alkoholabusus väterlicherseits. Dann ist wichtig, dass die KI auch versteht, nicht der Mensch selber, der Patient, die Patientin hatte ein Alkoholproblem, sondern das war in der Familie. So, das sind einfach so Sachen, die NLP dann mitmacht. 

Also retrospektiv gerne mit KI, gerne mit NLP, Sachen finden, wenn man sich 50 Dokumente durchsuchen muss. Prospektiv: nicht sagen, wir haben KI, die wird alles lösen, sondern da setzt euch, setzt euch auf den Hosenboden und dokumentiert sauber mit guten Daten. Denn es ist auch sowas wie Data Driven Hospital, was jetzt ein großes Thema ist im Krankenhausbereich, dass man also mehr in die Steuerung reingeht, sowohl medizinisch wie auch organisatorisch. Und dann geht das tatsächlich. Vielen, vielen Dank für die Folge. Mit dir hat [es] mir Spaß gemacht, ich habe auch viel mitgenommen. Bis zum nächsten Mal.