Wie Patientendaten die Zukunft des Gesundheitswesens vorantreiben

Der KI-Wettlauf im Gesundheitswesen entfernt sich zunehmend von der Frage, ob Maschinen medizinische Informationen erzeugen können, und hin zu einer wichtigeren: Was passiert, wenn KI mit den Patientendaten arbeiten kann, die Kliniker und Forscher bereits besitzen?

Drei aktuelle Entwicklungen weisen darauf hin, wohin diese Verschiebung führen könnte.

Erstens hat OpenAI kürzlich ChatGPT for Healthcare mit autorisierten Epic‑Elektronische‑Gesundheitsdaten, und bringt patientenspezifischen klinischen Kontext in einen KI‑Arbeitsablauf ein und könnte die Zeit reduzieren, die Kliniker mit der Suche in fragmentierten medizinischen Aufzeichnungen verbringen.

Als Nächstes hat PurpleLab, ein Unternehmen für Gesundheitsdaten und Analytik, gerade gestartet CARES, eine Initiative zur Unterstützung von Forschungen, die seine umfangreichen Real-World‑Gesundheitsdaten nutzt.

Und schließlich haben Forscher der Harvard Medical School entwickelt ein KI‑Modell entwickelt, das bestehende Gesundheitsakten und genetische Informationen nutzt, um das Risiko von Hunderten von Krankheiten abzuschätzen.

Zusammen genommen deuten sie auf das, was viele im Gesundheitswesen seit geraumer Zeit spekulieren: dass Patientendaten eines der wertvollsten Assets der Gesundheitsbranche für Innovationen in der Versorgung sein könnten.

Betrachten wir jedes dieser jüngsten Durchbrüche bei Patientendaten genauer.

Von elektronischen Gesundheitsakten zu KI‑Assistenten

Am 1. September kündigte OpenAI eine Epic‑Integration für ChatGPT for Healthcare an, die autorisierten Gesundheitsorganisationen ermöglicht, Patientendaten in KI‑unterstützte Arbeitsabläufe zu integrieren.

Die Integration kann Kliniker dabei unterstützen, Informationen wie medizinische Notizen, Medikamente, Laborergebnisse und frühere Begegnungen zu prüfen, ohne die Patientenhistorie manuell aus verschiedenen Teilen des Aktenbestands zusammenzusetzen.

Das System ist schreibgeschützt, das heißt, die KI verändert den medizinischen Datensatz nicht eigenständig.

Diese Unterscheidung ist wichtig. Die unmittelbare Chance besteht nicht darin, das EHR zu ersetzen oder einem KI‑System eigenständige Entscheidungen zu erlauben. Es geht darum, die Zeit zu verkürzen, die Kliniker damit verbringen, Informationen zu finden und zu verarbeiten.

OpenAI verbindet ChatGPT for Healthcare außerdem mit offiziellen öffentlichen Quellen, darunter PubMed, ClinicalTrials.gov, DailyMed und CMS‑Daten.

Die größere Idee ist die Kombination von Patientenkontext und externen medizinischen Evidenzen im selben Arbeitsablauf.

Real-World‑Daten für die Forschung nutzbarer machen

PurpleLab, ein Daten‑ und Analyseunternehmen, das sich unter anderem auf Real‑World‑Evidence (RWE) und Real‑World‑Data (RWD) im Gesundheitswesen konzentriert, hat kürzlich das Center for Advancing Real‑World Evidence Studies, kurz CARES, ins Leben gerufen, um Forschern, akademischen Institutionen, Evidenznetzwerken und Patientengemeinschaften die effektivere Nutzung von Real‑World‑Daten zu ermöglichen.

Die Bedeutung geht über die bloße Bereitstellung zusätzlicher Daten hinaus.

Gesundheitsforscher stehen seit langem vor Problemen wie inkonsistenten Definitionen, fragmentierten Datensätzen und Schwierigkeiten bei der Reproduktion früherer Studien.

CARES ist auf reproduzierbare Forschung, transparente Methoden, akademische Partnerschaften und patientenzentrierte Forschung ausgerichtet.

PurpleLab sagt, dass Forscher mit seinen Real‑World‑Datensätzen Behandlungsmuster, Ergebnisse und Gesundheitskosten in Bereichen wie Onkologie, Kardiologie, psychische Gesundheit und seltene Krankheiten untersuchen können.

Wenn sie erfolgreich sind, könnten Initiativen wie diese dazu beitragen, routinemäßig erzeugte Gesundheitsinformationen in Evidenz zu verwandeln, die Fragen beantwortet, die traditionelle klinische Studien nicht immer so schnell adressieren können.

„Real‑World‑Evidence ist am stärksten, wenn sie rigoros, peer‑reviewed und offen geteilt wird. Mit PurpleLab CARES zeigen wir, was unsere Daten in den Händen von Forschern, akademischen Partnern und Patientengemeinschaften bewirken können“, sagte Scott DuVall, Senior Vice President, Real‑World Evidence bei PurpleLab, in einer Unternehmensmitteilung.

Krankheiten vor ihrem Auftreten vorhersagen

Bei Harvard, Forschungsteams verwandeln Patientendaten in Vorhersage‑Engines. 

Ein von Forschern des Dana‑Farber Cancer Institute und des Massachusetts General Hospital entwickeltes Machine‑Learning‑Modell kann das Risiko eines Patienten für 348 Krankheiten abschätzen, indem es routinemäßig erfasste elektronische Gesundheitsakten (EHRs) zusammen mit genetischen Risikoinformationen nutzt.

Das Modell, genannt Aladynoulli, wurde mit Daten von mehr als 683.000 Patientendatensätzen aus drei Biobanken trainiert und validiert.

Forscher sagen, dass es Risikobewertungen dynamisch aktualisieren kann, wenn ein Patient älter wird.

Sein Potenzial ist erheblich. Anstatt die Krankengeschichte nur als Aufzeichnung dessen zu betrachten, was bereits geschehen ist, könnte KI sie zunehmend nutzen, um Muster zu erkennen, die mit dem, was als Nächstes passieren könnte, zusammenhängen.

Doch hier ist Vorsicht geboten. Das Modell wurde bisher anhand historischer Patientendaten evaluiert, und weitere Forschung ist erforderlich, bevor festgestellt werden kann, wie es sich in realen klinischen Umgebungen verhält.

Die eigentliche Herausforderung ist das Vertrauen

Die Zukunft der KI im Gesundheitswesen könnte daher weniger davon abhängen, wie beeindruckend ein Algorithmus klingt, sondern vielmehr davon, ob die dahinterstehenden Daten genau, repräsentativ, sicher und verantwortungsvoll verwaltet sind.

Patientendaten können Muster aufdecken, die Menschen über Jahre hinweg in der Krankengeschichte nur schwer erkennen können. Doch dieselben Aufzeichnungen enthalten einige der sensibelsten Informationen, die eine Person erzeugt.

Wenn Gesundheitsorganisationen elektronische Patientenakten (EHRs), Forschungsdatenbanken und KI-Systeme verknüpfen, wird die zentrale Frage nicht nur sein, ob KI mehr Wert aus Patientendaten schöpfen kann.

Es wird vielmehr darum gehen, ob das Gesundheitssystem dies tun kann, ohne das Vertrauen der Patienten zu verlieren.

Dieses Gleichgewicht zwischen besseren Informationen und verantwortungsvollem Einsatz könnte letztlich bestimmen, wie weit KI vom Forschungslabor in die tägliche Gesundheitsversorgung vordringt.