Der Mehrwert von Standards wie SNOMED und LOINC im Klinikalltag und für die Digitalisierung

Herausforderung der Strukturierung von Daten im Gesundheitssystem

Strukturierte Daten sind Teil eines Schemas und werden mit einem bestimmten Zweck gruppiert. Dies erleichtert die Extraktion und Verwendung. Unstrukturierte Daten hingegen können nur unter einem hohen Aufwand organisiert und kategorisiert werden. Beispiele dafür sind Notizen von Ärzten, Befundberichte oder Sprachnotizen[1].

Nur 25% der Daten im Gesundheitssystem liegen in einer digital strukturierten Form vor [2]. Außerdem sind sie aufgrund von besonderen Datenschutzmaßnahmen oft isoliert. Dies steht einer individuellen Vernetzung der Daten, wie sie in anderen Branchen üblich ist und Firmen wie Facebook oder Google erfolgreich macht, im Weg [3]. Die Implementation von einer elektronischen Gesundheitsakte kann dieses Problem alleine nicht lösen [2]. Zum einen, weil auch diese oft uneinheitlich sind und zum anderen weil sie erneut ein geschlossenes System darstellen, während Gesundheitsdaten im 21. Jahrhundert viel umfangreicher erfasst und genutzt werden können [3].

Dabei sind Standards in der Datenverarbeitung für die Interaktion im Gesundheitswesen entscheidend, wie beispielsweise in der praktischen Umsetzung von Forschungsergebnissen. Der Bundesverband Medizintechnik hat entsprechend in ihrem Positionspapier von 2021 die Umsetzung von Standards in der Datenerfassung als einen wesentlichen Baustein für eine leistungsfähige digitale Gesundheitsversorgung der Zukunft gefordert [4].

Dabei werden diese im Gesundheitssystem für eine Vielzahl an Anwendungen benötigt. Dazu zählen zum Beispiel KI Systeme, die von einem großen Satz an einheitlichen Daten leben.

Lösungen

Die gute Nachricht: Die Standards existieren bereits. SNOMED (Systematized Nomenclature of Medicine) stellt ein global einheitliches Verzeichnis von medizinischen Termen wie Symptome, Befunde, Diagnosen und Prozeduren dar. Ergänzend für Laboruntersuchen sorgt die Verwendung von LOINC (Logical Observation Identifiers Names and Codes) für eine systematisierte Dokumentation. Die Nomenklatur wird jährlich erneuert und lässt sich kostenfrei auf der Website herunterladen. Es fehlt demnach vielmehr an der konsequenten Datenerfassung anhand dieser Terminologien.

NLP (natural language processing), also die Erfassung und maschinelle Verarbeitung von natürlicher Sprache, bietet den Vorteil einer leichten Datenerfassung am Punkt der Entstehung. IFür die Aufnahme von gesprochener und geschriebener Sprache müssen jedoch die Komplexität und Mehrdeutigkeit von ganzen Textzusammenhängen erfasst werden. Diese anspruchsvolle Verarbeitung geht ergo mit einem hohen Fehlerpotential einher, sodass Informationen und der Kontext potentiell verloren gehen können. Dies kann gerade bei kritischen Daten im Gesundheitswesen fatale Folgen haben in einer Zeit in der schon jetzt medizinische Fehler einer der führenden Todesgründe darstellen [5].

Eine weitaus bessere Möglichkeit stellt die Datenerfassung direkt an der Entstehungsquelle dar. Je näher die Kodierung nach Standard wie SNOMED und LOINC an der Datenentstehung stattfindet, desto besser ist üblicherweise die Qualität und Aktualität der Daten. Für ein Szenario in der Medizin bedeutet dies, dass die Kodierung direkt beim Arzt erfolgen muss. Zusätzlicher Aufwand für den Arzt hat im Gesundheitssystem typischerweise wenig Lobby und daher hat dieses Konzept in der Vergangenheit häufig zu Verdruss geführt. Dies gilt nicht nur spezifisch für die Gesundheitsbranche. Ähnliche Erfahrungen habe ich auch im Umfeld von Customer Relationship Management (CRM) und Besucherdokumentation gemacht, wenngleich es dort meist weniger externe Standards gab wie SNOMED. Wie könne Ärzte also zur korrekten Dokumentation motiviert werden?