Aufrufe
vor 1 Jahr

IT for Health 01/2020

  • Text
  • Konkret
  • Digitale
  • Threema
  • Kommunikation
  • Elektronische
  • Patientendossier
  • Digitalisierung
  • Schweizer
  • Gesundheitswesen
  • Patienten

E-HEALTH KONKRET den

E-HEALTH KONKRET den damit verbundenen Universitäten und anderen Forschungseinrichtungen in der Schweiz verknüpft, ist ein grosser Hoffnungsträger für die Schweizer Forschenden im Bereich medizinischer Daten. Viele Machine-Learning-Anwendungen kranken daran, dass verzerrte Trainingsdaten zu verzerrten Ergebnissen führen. Wie verhindern Sie das? Um die Validität der Ergebnisse sicherzustellen, ist es wichtig, die Daten sorgfältig aufzubereiten. Dies ermöglicht das Erkennen von Verzerrungen in den Daten. Falls wir Verzerrungen feststellen, versuchen wir, diese gezielt zu entzerren, beispielsweise durch Hinzunahme von weiteren Patientendaten aus anderen Krankenhäusern, anderen Ländern oder verschiedenen Altersgruppen. Wenn die aktuelle Datenlage dies nicht zulässt, müssen prospektiv weitere Daten gesammelt werden. « Es besteht Grund zur Hoffnung, dass maschinelles Lernen einen grossen Beitrag zur besseren Patientenversorgung leisten wird. » Julia Vogt, Assistenzprofessorin für medizinische Datenwissenschaften, ETH Wenn von maschinellem Lernen gesprochen wird, fällt oftmals die Metapher der Black Box. Dann heisst es etwa: Die Entscheidungen von Algorithmen sind nicht nachvollziehbar. Was halten Sie von solchen Aussagen? Vor allem im medizinischen Bereich, in dem es um das Wohlergehen von Menschen geht, ist es wichtig, dass die Methoden, die wir entwickeln, nachvollziehbar und interpretierbar sind. Ohne das Vertrauen der Ärzte in unsere Methoden werden neue Modelle nicht in der klinischen Praxis genutzt werden. Algorithmen verarbeiten eine enorm grosse Menge an unterschiedlichen Daten und erkennen dabei wichtige Merkmale schneller, als dies ein einzelner Mensch je könnte. Das ist für viele erst einmal schwer nachvollziehbar. Allerdings trifft die Annahme, je komplexer ein Modell, desto besser die Vorhersage, oft nicht zu: Vor allem bei strukturierten Daten liefern einfachere, interpretierbare Modelle oft sogar bessere Ergebnisse als komplexe Black-Box-Modelle. Haben Sie sich schon überlegt, aus Ihrer Forschung ein Spin-off zu machen? Es gibt die Idee für ein Spin-off, das die Entwicklung von medizinischer Software unterstützt. Können Sie schon Details verraten, etwa zu den Zielen oder zu etwaigen Partnerschaften? Die Methoden basieren auf Algorithmen des maschinellen Lernens, und die Software soll Mediziner vor Ort dabei unterstützen, die richtige klinische Entscheidung zu treffen. Wir konzentrieren uns auf die Neonatologie, Das Interview finden Sie online insbesondere auf www.netzwoche.ch Krankheiten mit schweren medizinischen Folgen, und auf Krankheiten mit einem schwer vorhersehbaren klinischen Verlauf. Wenn Sie an die Zukunft des maschinellen Lernens denken: Was bereitet Ihnen Sorgen? Die Erwartungshaltung an die Ergebnisse des maschinellen Lernens ist sehr hoch, jedoch ist maschinelles Lernen keine Magie. Im Kontrast dazu steht das grosse Misstrauen oder die Angst vor potenziellen negativen Folgen von maschinellem Lernen. Beide Haltungen sind hinderlich für die bestmögliche Nutzung des optimalen Zusammenspiels von menschlichem und maschinellem Lernen. Da die Anwendung des maschinellen Lernens im Gesundheitswesen noch in den Kinderschuhen steckt, gibt es Aspekte – zum Beispiel in den Bereichen Datenschutz, Ethik und auch Haftung –, die noch geklärt und sorgfältig aufgegleist werden müssen. Um neue Methoden des maschinellen Lernens in den Alltag der Gesundheitsbranche zu integrieren, müssen diese Problematiken zuerst gelöst werden. Und was gibt Ihnen Hoffnung? Maschinelles Lernen treibt die Innovation in der Gesundheitsdiagnostik voran und bietet viel Raum für neue Anwendungen, die bessere Aussicht auf Behandlungserfolg bis hin zur Entdeckung neuer Behandlungen und neuer Medikamente versprechen. Dank automatisierter Prozesse könnte es Ärzten künftig möglich sein, wieder mehr Zeit für ihre Patienten aufzuwenden – ein wichtiger Aspekt in der Patientenbehandlung. Mit realistischen Erwartungen sind die Effizienzsteigerung und die Kostensenkung in täglichen Prozessen, der Diagnostik und der Behandlung Bereiche, in denen das Potenzial von maschinellem Lernen voll ausgeschöpft werden kann – alles im Sinne einer besseren Patientenversorgung. Es besteht also Grund zur Hoffnung, dass maschinelles Lernen einen grossen Beitrag zur besseren Patientenversorgung leisten wird und ich freue mich, mit meiner Forschung einen Teil zu dieser positiven Entwicklung beitragen zu dürfen. ZUR PERSON Julia Vogt ist Assistenzprofessorin für Medizinische Datenwissenschaften am Departement Informatik der ETH Zürich. Sie hat in Konstanz und in Sydney Mathematik studiert und an der Universität Basel mit dem Schwerpunkt Machine Learning im Fach Informatik promoviert. Bevor sie im Mai 2019 ihre Professur an der ETH antrat, war sie als Forscherin am Sloan-Kettering Cancer Center in New York City in den USA und als Assistenzprofessorin am Departement Mathematik und Informatik der Universität Basel tätig. Ihre Antrittsvorlesung findet unter dem Titel «Maschinelles Lernen und Medizin: eine herausfordernde Symbiose» am 18. Mai an der ETH Zürich statt. 12

« Das Forum steht für einen neutralen, unabhängigen Dialog » Das Swiss E-Health Forum 2020 steht unter dem Motto «Entwicklung des Gesundheitswesens durch die Digitalisierung». Was dahintersteckt und warum sich ein Besuch lohnt, verrät Pamela Balmer, Veranstalterin des Forums. Interview: Oliver Schneider E-HEALTH KONKRET Was ist neu beim Swiss E-Health Forum 2020? Pamela Balmer: Das Swiss E-Health Forum 2020 knüpft an die Tradition der vergangenen 22 Austragungen an, wo sich Status quo und Zukunft der Digitalisierung des Gesundheitswesens auf einer politisch neutralen, wirtschaftlich unabhängigen Bühne begegnen. Wie schon im vergangenen Jahr möchte ich auch Start-ups wieder vermehrt eine Plattform bieten. Auch sie sind es, die sich mit der digitalen Transformation auseinandersetzen und für den Innovationsstandort Schweiz wichtig sind. Was bieten die beiden Tage des Forums? Die Digitalisierung verändert grundlegend die Möglichkeiten der Kommunikation entlang des Behandlungspfads. Das Gesundheitssystem wird zum Gesundheitsnetzwerk. Diese Entwicklung wird am Swiss E-Health Forum in einem B2B- und einem EPD- Track ausgelegt und vertieft. Das Gesundheitswesen entwickelt sich aber auch ausserhalb der rein digitalen Schiene. Wohin und wie? – Auch diese Fragen werden am Forum gestellt, und zwar am Donnerstag, dem 5. März im «B2B-Track», am Freitag, dem 6. März im «EPD-Track». Das Programm umfasst Referate über das EPD über offene Standards bis hin zu VR und KI. Worauf freuen Sie sich am meisten? Es ist der Mix aus Themen, persönlichen Kontakten, fachlichen Auseinandersetzungen und gemütlichen Zusammensein, dass unser Forum seit jeher auszeichnet. 2020 wird es nicht anders sein. Die Veranstaltung läuft unter dem Motto «Entwicklung des Gesundheitswesens durch die Digitalisierung». Warum haben Sie dieses Motto gewählt? Was treibt uns als Gesellschaft, als soziales System, als Individuen voran? Unter anderen auch die Digitalisierung. Sie verändert unsere Kommunikation grundlegend – an der medizini- Pamela Balmer, Inhaberin, MKR Consulting. schen Front genauso wie im alltäglichen Leben. Wir alle müssen hier Schritt halten. Das Spannungsfeld zwischen Für und Wider der Digitalisierung des Gesundheitswesens ist der Raum, wo sich unser Gesundheitssystem entwickelt – wie gesagt, die Digitalisierung ist nur einer der bedeutenden Treiber. Warum sollten IT-Entscheider das Forum besuchen? Weil das Forum für einen politisch neutralen, wirtschaftlich unabhängigen Dialog steht. Unsere Partner stehen dafür ein. Sie sind Teil des Systems, sind aber von den übrigen Stakeholdern abhängig – von ihren Erfahrungswerten, von ihrer Systemkritik, vom aktiven Wissenstransfer und letztlich vom lösungsorientierten Dialog. Was wird die Schweizer E-Health-Branche 2020 bewegen? Das EPD hat viel bewegt und es wird weiterhin viel bewegen, wenn es ab April 2020 Schritt für Schritt für die Bevölkerung zur Verfügung steht. Auf dieser technischen und organisatorischen Grundlage sind die Akteure gefordert, neue digitale Prozesse zwischen Gesundheitsfachpersonen und der Bevölkerung (B2C) zu etablieren, um den Nutzen des EPD weiter zu steigern. Andere wichtige Themen 2020 sind die Cybersecurity bei den Leistungserbringern im Gesundheitswesen, künstliche Intelligenz, wachsende Datenmengen und Robotik. Das Interview finden Sie online www.netzwoche.ch 13

Archiv