| Vorwort | 5 |
| Inhaltsverzeichnis | 7 |
| Herausgeber? und Autorenverzeichnis | 10 |
| 1 E-Health: Begriff, Umsetzungsbarrieren, Nachhaltigkeit und Nutzen | 13 |
| 1.1 ?E-Health – digitale Vernetzung der Akteure | 14 |
| 1.1.1 ?Telematik als historische Grundlage von E-Health | 14 |
| 1.1.2 ?Definition von E-Health | 15 |
| 1.1.3 ?E-Health-Akteure | 15 |
| 1.1.4 ?E-Health-Lösungen als soziotechnisches System | 16 |
| 1.2 ?Prozessmanagement als grundlegende Basis für erfolgreiche E-Health-Strategien | 18 |
| 1.2.1 ?Prozessintegration durch E-Health | 18 |
| 1.2.2 ?E-Health Engineering | 21 |
| 1.3 ?Umsetzungsbarrieren von E-Health | 22 |
| 1.4 ?Nachhaltigkeit und Nutzen von E-Health | 23 |
| 1.5 ?Innovative Versorgungsmodelle durch E-Health | 24 |
| 1.6 ?Fazit | 25 |
| Literatur | 25 |
| 2 Big Data in Gesundheitswesen und Medizin | 27 |
| 2.1 ?Einleitung | 29 |
| 2.1.1 ?Big Data und dessen Analyse | 29 |
| 2.1.2 ?Spezielle Herausforderungen für Big Data und maschinelles Lernen in der Medizin | 30 |
| 2.1.3 ?Datenverfügbarkeit: Big Data in der Medizin und im Gesundheitswesen | 32 |
| 2.2 ?Maschinelles Lernen aus Gesundheitsdaten | 32 |
| 2.2.1 ?Grundlagen des maschinellen Lernens | 32 |
| 2.2.2 ?Deep Learning | 33 |
| 2.2.3 ?Praktische Umsetzung von maschinellem Lernen in Projekten | 34 |
| 2.2.4 ?Evaluation von maschinellem Lernen | 34 |
| 2.3 ?Gesundheitsbezogene Anwendungen von Big Data und maschinellem Lernen | 35 |
| 2.3.1 ?Dokumentenanalyse | 35 |
| 2.3.2 ?Klinische Entscheidungsunter-stützung | 37 |
| 2.3.3 ?Analyse öffentlicher Datenquellen | 37 |
| 2.3.4 ?Wearables und Activity Recognition | 37 |
| 2.3.5 ?Intelligente Assistenten mittels Question Answering | 38 |
| 2.4 ?Rahmenbedingungen | 38 |
| 2.4.1 ?Datenschutz | 38 |
| 2.4.2 ?Transparenz | 39 |
| 2.5 ?Zusammenfassung | 40 |
| Literatur | 40 |
| 3 Künstliche Intelligenz im Gesundheitswesen | 44 |
| 3.1 ?Einführung | 45 |
| 3.2 ?Was bedeutet künstliche Intelligenz? | 46 |
| 3.2.1 ?Definition der künstlichen Intelligenz (KI) | 46 |
| 3.2.2 ?Maschinelles Lernen (ML) | 47 |
| 3.2.3 ?Neuronale Netze und „Deep Learning“ | 48 |
| 3.2.4 ?Knowledge Graphs | 49 |
| 3.2.5 ?Kognitive Systeme | 49 |
| 3.2.6 ?Daten – die essenzielle Grundlage von KI | 51 |
| Volume (Volumen) | 52 |
| Velocity (Geschwindigkeit) | 52 |
| Variety (Vielfalt) | 52 |
| Veracity (Wahrhaftigkeit) | 52 |
| Value (Wert) | 53 |
| Erweiterung der Definition von Big Data | 53 |
| 3.3 ?KI-Anwendungen in der Gesundheitsversorgung | 53 |
| 3.3.1 ?Radiologie | 53 |
| 3.3.2 ?Intelligente Triagesysteme | 54 |
| 3.3.3 ?Kognitive Systeme in der Gesundheitsversicherung | 55 |
| 3.4 ?Ausblick | 55 |
| 3.5 ?Zusammenfassung | 55 |
| Literatur | 56 |
| 4 Die Rolle von E-Mental Health am Beispiel depressiver Erkrankungen | 58 |
| 4.1 ?Einleitung | 60 |
| 4.2 ?Online-Diskussionsforen als digitale Informations- und Austauschangebote für Patienten und deren Angehörige | 61 |
| 4.2.1 ?Charakteristiken Mental-Health-bezogener Online-Diskussionsforen | 62 |
| 4.2.2 ?Wirksamkeit und positive Effekte der Nutzung von Online-Diskussionsforen | 62 |
| 4.2.3 ?Risiken und negative Effekte der Nutzung von Online-Diskussionsforen | 63 |
| 4.3 ?Digitale Psychotherapie- und Selbstmanagement-Programme | 64 |
| 4.3.1 ?Anwendungsfelder | 64 |
| 4.3.2 ?Digitale Interventionen und Online-Selbstmanagement bei Depression – was steckt drin? | 65 |
| 4.3.3 ?Wirksamkeit | 66 |
| 4.3.4 ?Digitale Interventionen in der Versorgung | 67 |
| 4.3.5 ?Spezifische Wirkfaktoren | 67 |
| 4.3.6 ?Risiken und mögliche Nebenwirkungen | 68 |
| 4.4 ?Smartphone-basiertes Selbstmonitoring | 69 |
| 4.4.1 ?Selbstmonitoring im Kontext depressiver Erkrankungen | 69 |
| 4.4.2 ?Smartphones als Mittel des Selbstmonitorings | 70 |
| 4.4.3 ?Wirksamkeit | 72 |
| 4.4.4 ?Risiken und mögliche Nebenwirkungen | 72 |
| 4.5 ?Zusammenfassung | 73 |
| Literatur | 74 |
| 5 Der Informationsmanagementzyklus im Gesundheitswesen | 78 |
| 5.1 ?Einleitung und Motivation | 79 |
| 5.2 ?Informationsmanagement im Gesundheitswesen | 84 |
| 5.3 ?Der Informationsmanagementzyklus | 86 |
| 5.4 ?Fallbeispiel Informationsprodukt aus der neurologischen Diagnostik | 89 |
| 5.5 ?Zusammenfassung und Ausblick | 91 |
| Literatur | 92 |
| 6 Transfer von Digital Health in den Versorgungsalltag | 94 |
| 6.1 ?Was ist Digital Health und wer sind die Treiber? | 95 |
| 6.2 ?Anwendungstypen | 95 |
| 6.3 ?Andersartigkeit von Digital-Health-Anwendungen | 97 |
| 6.4 ?Transfer von Digital Health in den Versorgungsalltag | 99 |
| 6.4.1 ?Medizinproduktezertifizierung | 99 |
| 6.4.2 ?Wirksamkeitsnachweis und Nutzenbewertung | 101 |
| 6.4.3 ?Vertrags- und Vergütungsformen | 104 |
| 6.5 ?Transfermodell | 106 |
| 6.6 ?Fazit und Ausblick | 106 |
| Literatur | 108 |
| 7 Assistenz- und Servicerobotik – die Gestaltung der Mensch-Maschine-Schnittstelle als Grundlage des Anwendungserfolgs | 109 |
| 7.1 ?Einleitung | 111 |
| 7.1.1 ?Allgemeine Definition von Assistenz- und Unterstützungsrobotern | 112 |
| 7.1.2 ?Unterstützungspotenziale robotischer Assistenzsysteme im persönlichen Lebensumfeld | 113 |
| 7.1.3 ?Potenzieller Nutzen robotischer Assistenzsysteme im Heim- und Klinikbereich | 114 |
| 7.2 ?Settingspezifische Unterstützungsbedarfe durch robotische Assistenzsysteme | 114 |
| 7.2.1 ?Konzeptstudie für einen robotischen Alltagsassistenten im häuslichen Bereich | 114 |
| 7.2.2 ?Roboter für den Klinik- und Pflegebereich | 115 |
| 7.2.3 ?Diskrepanz derzeitiger Assistenzsysteme zwischen Unterstützungserwartungen und technischer Machbarkeit | 118 |
| 7.3 ?Verständliche Mensch-Maschine-Interaktion als Schlüssel zur Anwenderakzeptanz | 119 |
| 7.3.1 ?Anforderungen an Benutzerschnittstellen und Adaption im Entwicklungsprozess | 121 |
| 7.3.2 ?Sprachsteuerung | 122 |
| 7.3.3 ?Mimik- und Gestensteuerung | 123 |
| 7.4 ?Intelligente Assistenten brauchen intelligente Algorithmen | 123 |
| 7.4.1 ?Technische Kognition als Pendant zum menschlichen Denken | 123 |
| 7.4.2 ?Kognitive Systeme als zentraler Bestandteil der Interaktion | 124 |
| 7.4.3 ?Grenzen der künstlichen Intelligenz | 126 |
| 7.5 ?Ausgewählte Beispiele und Perspektiven zukünftiger Assistenzsysteme | 127 |
| 7.5.1 ?Staubsauger, Rasenmäher und Therapieroboter – heterogene Nutzungserfahrungen von Assistenzrobotern in verschiedenen Settings | 127 |
| 7.5.2 ?Unterstützungspotenziale robotischer Therapieassistenten | 129 |
| 7.6 ?Fazit und Ausblick | 130 |
| Literatur | 130 |
| 8 Erfolgsfaktoren in der Digitalisierung der Gesundheitsversorgung | 133 |
| 8.1 ?Die digitale Revolution der Gesundheitsversorgung | 134 |
| 8.1.1 ?Veränderung durch Digitalisierung im Industrievergleich | 134 |
| 8.1.2 ?Potenziale der Digitalisierung in der Gesundheitsversorgung | 135 |
| 8.1.3 ?Die digitale Patient Journey der Zukunft | 137 |
| 1. Erstdiagnose auf Basis der Patientenakte und initialer Tests | 137 |
| 2. Konsultation eines Spezialisten mithilfe virtueller Instrumente | 138 |
| 3. Behandlungsvorbereitung unter Einbezug intelligenter Bildgebung | 138 |
| 4. Bildfusionsgestützte Behandlung | 138 |
| 5. Folgemaßnahmen im Rahmen eines Care-Management-Programmes | 138 |
| 6. Individuelles Gesundheitsmanagement durch digitale Assistenzsysteme und Wearables | 138 |
| 8.1.4 ?Barrieren der digitalen Gesundheitsversorgung | 138 |
| 8.1.5 ?Digitale Entwicklungsfelder in der Gesundheitsversorgung | 139 |
| 8.2 ?Digitale Ökosysteme als Voraussetzung digitaler Transformation | 141 |
| 8.2.1 ?Digitale Vernetzungsstrukturen im Gesundheitswesen | 141 |
| Zugriff auf Daten innerhalb einer Klinik | 141 |
| E-Health – Datenzugriff über Klinik- und Netzwerkgrenzen hinweg | 142 |
| Cloud-basierte Datenaggregation | 142 |
| 8.2.2 ?Digitalisierung im Gesundheitswesen: von der Vernetzung zum Ökosystem | 143 |
| 8.2.3 ?Besonderheiten digitaler Ökosysteme im Gesundheitsbereich | 146 |
| 8.3 ?Fazit | 149 |
| Literatur | 150 |
| 9 Digitalisierung in der Medizin: Im disruptiven Wandel wandelbar bleiben | 153 |
| 9.1 ?Personalisierte Medizin – Vision wird Wirklichkeit | 154 |
| 9.1.1 ?Breite Wirkung statt Präzisionsmedizin | 154 |
| Sanger sei Dank – Onkogene werden zum Target in der Präzisionstherapie | 156 |
| 9.1.2 ?Das Dilemma: Big Data im Disketten-Zeitalter | 156 |
| 9.2 ?Von Anfang an Vorreiter: die Onkologie | 157 |
| 9.2.1 ?Krebs als eine Erkrankung der Gene | 157 |
| 9.2.2 ?Hallmarks of Cancer – was macht Krebs zu Krebs? | 157 |
| Big Data: Die Nadel im Heuhaufen finden | 157 |
| Krebsentstehung nach Darwin? Durch klonale Evolution zum Tumor | 158 |
| Mutationen als Selektionsvorteil: Ungebremstes Wachstum | 158 |
| Komplex und hochindividuell | 158 |
| 9.2.3 ?Stratifizierung als Kern der personalisierten Medizin | 159 |
| 9.3 ?Wie aus Big Data Informationen werden – die Digitalisierung als Wegbereiter | 159 |
| 9.3.1 ?Von Korrelationen zu Kausalitäten – Krebs als Sonderfall? | 160 |
| 9.3.2 ?Personalisierte Medizin in der Onkologie: Warum am Ende alle profitieren | 161 |
| Für Arzt und Patient im Sinne einer Präzisionstherapie | 161 |
| Für klinische Forschung und die Entwicklung gezielter Therapieoptionen | 161 |
| Für Zulassungsbehörden und Kostenträger | 163 |
| 9.4 ?Keine Scheu vor der Digitalisierung: Von Big Data zur molekularen Information | 163 |
| 9.4.1 ?Digitalisierung vorantreiben, Big Data nutzen | 164 |
| 9.4.2 ?Molekulare Information schaffen: Roche Foundation Medicine | 164 |
| Von ACTG zum Wegweiser – der Prozess | 164 |
| 9.5 ?Die Zukunft der personalisierten Medizin ist digital | 165 |
| Literatur | 167 |
| 10 Blockchain for Science and Knowledge Creation | 168 |
| 10.1 ?Introduction | 169 |
| 10.1.1 ?Blockchain – the Data Structure | 169 |
| 10.1.2 ?Blockchain – the (R)evolution | 169 |
| 10.1.3 ?Blockchain – the Database View Point | 171 |
| 10.1.4 ?Blockchain Revolution – the Technical Implementations | 171 |
| 10.1.5 ?Blockchain Revolution – Beyond Bitcoin | 173 |
| 10.1.6 ?Blockchain Revolution – and Beyond Blockchains | 174 |
| 10.2 ?Which Blockchain for Science and Knowledge Creation? | 174 |
| 10.3 ?Blockchain and the Research Cycle | 175 |
| 10.3.1 ?Ideas | 175 |
| 10.3.2 ?Proposal | 176 |
| 10.3.3 ?Experiment/Data Acquisition | 177 |
| 10.3.4 ?Data Management/Analysis | 178 |
| 10.3.5 ?Data Sharing | 181 |
| 10.3.6 ?Publication/Archiving | 181 |
| 10.3.7 ?Research Evaluation | 181 |
| 10.3.8 ?Research Funding | 182 |
| 10.4 ?Challenges | 185 |
| 10.5 ?Conclusion | 185 |
| Literatur | 186 |
| 11 E-Health und Systemmedizin – Ergebnisse aus Online-Fokusgruppen mit Experten zur Translation eines aktuellen Forschungsparadigmas | 190 |
| 11.1 ?Hintergrund | 192 |
| 11.2 ?Erhebungsmethode, Stichprobe und Studiendurchführung | 195 |
| 11.2.1 ?Wahl der Erhebungsmethode | 195 |
| 11.2.2 ?Stichprobe und Rekrutierung | 197 |
| 11.2.3 ?Durchführung | 199 |
| Inhaltliche Ansteuerung der Fokusgruppen – der Leitfaden | 199 |
| Moderation | 199 |
| Forschungsethik | 204 |
| Abweichungen von der Planung | 204 |
| 11.2.4 ?Auswertung | 204 |
| 11.3 ?Ergebnisse | 205 |
| 11.3.1 ?Big Data als Forschungsmethodologie | 205 |
| 11.3.2 ?Scoring-Systeme und Systemmedizin | 206 |
| Einsatzbereiche von Scores | 206 |
| Potenziale der Systemmedizin bei der Entwicklung von Scores | 207 |
| Scores und Einzelfallvorhersagen | 207 |
| Cost-Benefit-Betrachtungen als Bestandteil von Scoring-Systemen | 208 |
| Risiken beim Einsatz von Scores und Risk Mitigation | 209 |
| 11.3.3 ?Die Bedeutung der Medizininformatik für die Translation der Systemmedizin | 210 |
| 11.3.4 ?Die Bedeutung der elektronischen Patientenakte für Versorgung und Forschung im Kontext der Systemmedizin | 211 |
| Begriff und Modelle der elektronischen Patientenakte | 211 |
| Translationshindernisse | 212 |
| Vorteile der elektronischen Patientenakte | 212 |
| Nachteile der elektronischen Patientenakte | 214 |
| 11.3.5 ?Krankenhausinfrastrukturen und E-Health | 215 |
| Krankenhauskapazitäten und große Datenmengen | 215 |
| Barrieren für gelingende Forschungsunterstützung und Translation der Systemmedizin | 215 |
| Outsourcing von Daten | 216 |
| 11.3.6 ?Verankerung von IT-Kompetenzen in der Mediziner-Ausbildung | 217 |
| 11.4 ?Limitationen der Studie | 217 |
| 11.5 ?Diskussion | 218 |
| 11.6 ?Schluss | 220 |
| Literatur | 221 |
| 12 Gesellschaftliche und ethische Folgen der digitalen Transformation des Gesundheitswesens | 222 |
| 12.1 ?Einleitung | 223 |
| 12.2 ?Was heißt „digitale Transformation“ des Gesundheitswesens? | 224 |
| 12.3 ?Wie wandeln sich Gesundheitsvorstellungen unter der Perspektive der digitalen Transformation? | 229 |
| 12.4 ?Mögliche Konsequenzen der Transformation | 232 |
| 12.5 ?Fazit | 235 |
| Literatur | 235 |
| Sachverzeichnis | 238 |
