Zum Inhalt springen 
Machine Learning, Blockchain oder AI – alles Trendbegriffe und Buzzwords in vielen Diskussionen rund um die Zukunft. Gerade Blockchain ist den meisten wahrscheinlich hauptsächlich im Zusammenhang mit Bitcoin ein Begriff, aber die Technologie kann noch deutlich vielfältiger eingesetzt werden. Daher machen diese Innovationen auch vor dem Gesundheitswesen nicht Halt.
Machine Learning im Gesundheitswesen
Die Anwendungsmöglichkeiten von Algorithmen zur Datenanalyse sind im Gesundheitswesen sehr vielfältig, beispielsweise als virtuelle Assistenten. Diese werden vor allem in der Pflege eingesetzt, um die Kommunikation zwischen Patienten und Pflegepersonal zu verbessern. So kann das Pflegepersonal entlastet und die Betreuung besser und individueller werden.
Aber auch bei automatischen Bildbefunden kann Machine Learning unterstützen. Die Auswertungen von beispielsweise Röntgenbilder und MRT-Ergebnissen kann so deutlich effizienter werden. Doch auch schon im vor der eigentlichen Diagnose einer Erkrankung kann Machine Learning zur Gesundheitsüberwachung eingesetzt werden. Zum einen kann damit die frühzeitige Erkennung von prädisponierten Erkrankungen verbessert werden, zum anderen können aber durch eine Datenanalyse auch die Aktivität und Herzfrequenz mit Hilfe von sogenannten Wearables im Blick behalten werden.
Zudem kann der Algorithmus dank Machine Learning Prognosen bezüglich der Krankenhaus-Auslastungen und die Aufenthaltsdauer von Patienten erstellen, auf Basis derer Ressourcen besser geplant und eingeteilt werden können.
Chancen und Potenzial von Machine Learning im Gesundheitswesen
Wenn es gelingt, mit Hilfe von Machine Learning eine individuellere Medizin zu erschaffen, führt dies zu einer besseren Behandlung der Patienten, da präventiv gehandelt werden kann und Ärzte sich mehr an den individuellen Bedürfnissen des Patienten orientieren können.
Ein weiterer Vorteil ist die Analyse und Auswertung von komplexen hochdimensionalen Daten, die dank Machine Learning deutlich einfacher und effizienter wird. Dies ist gerade dann der Fall, wenn viele verschiedene Merkmale in die Analyse miteinfließen sollen, um ein ganzheitliches Bild zu ergeben.
Grenzen des Machine Learnings
Aktuell gibt es noch wenige Forschungsdaten zum Thema Machine Learning und die Vorhersagen des Algorithmus sind meist noch zu ungenau. Eine Ursache dafür ist, dass bei den Forschungen häufig zu wenige Personen involviert sind, die über das notwendige Hintergrundwissen zum Thema Machine Learning verfügen. Die Thematik ist komplex und wenn Machine Learning für eine neue Studie verwendet werden soll, fehlen oft die entsprechenden Experten, um die Technologie auch wirksam einsetzen zu können.
Es müsste zudem dafür gesorgt werden, dass bessere Trainingsdaten verwendet werden, die noch mehr konkretere Informationen, wie zum Beispiel über den Gesundheitszustand, beinhalten. Die Generierung korrekter und hochwertiger Trainingsdaten ist jedoch mit einem hohen personellen Aufwand verbunden, da die Trainingsrunden des Algorithmus gerade zu Beginn händisch bewertet werden müssen, denn nur so kann der Algorithmus lernen.
Außerdem ermöglicht Machine Learning nicht, kausale Schlüsse zu ziehen, da die Ergebnisse nur Prognosen, aber keine Zusammenhänge darstellen. Der Algorithmus kann keine Auswirkungen berücksichtigen oder berechnen. Das bedeutet, dass zwar vorhergesagt werden kann, was wahrscheinlich passieren wird, aber nicht, wann oder in welcher Reihenfolge es passiert.
Neben dem Machine Learning gibt es aber aktuell noch eine weitere Methode, die immer häufiger Anwendung findet – die sogenannten Blockchains.
Anwendungen von Blockchains im Gesundheitsbereich
Ein großes Thema für die Verwendung von Blockchain im Gesundheitswesen sind Arzneimittelfälschungen aufgrund von lücken- und fehlerhaften Überprüfungen der Lieferketten. Dank der Nutzung von Blockchain können die Produktionsketten besser überwacht und gespeichert werden. Zudem besteht die Möglichkeit, jedes Medikament mit einem QR-Code zu versehen, welcher Patienten ermöglicht, Produkte auf Echtheit zu überprüfen.
Auch mit Hinblick auf Wartelisten für Organspenden können Blockchains eingesetzt werden. Dies würde Betrug so gut wie unmöglich machen.
Große Chancen für die Datensicherheit von Patienten
Der erste Vorteil ist die Sicherheit der Patientendaten, da aufgrund des Speicherungsverfahrens von Blockchain die Datenintegrität sichergestellt werden und außerdem der Informations- und Datenaustausch wesentlich einfacher stattfinden kann.
Die vollständige Rückverfolgung ist ein weiterer positiver Aspekt, denn die gesamte Lieferkette von pharmazeutischen Produkten kann so bis hin zur Apotheke überwacht werden. Das reduziert die Zahl der Fälschungen und auch Rückrufe von Produkten können leichter abgewickelt werden. Zusätzlich wird mehr Effizienz im Betrieb erzielt, da intelligente Verträge automatisch ausgeführt werden, wodurch eine deutliche Zeitersparnis entsteht.
Blockchain braucht Rechenleistung
Die benötigte Rechnerleistung für Blockchain ist sehr hoch. Das ist nicht nur ziemlich teuer, sondern verbraucht auch einiges an Energie – ein Punkt, der vor allem in der aktuellen Zeit nicht außer Acht gelassen werden darf.
Wie wird es zukünftig weitergehen?
Beide Methoden, sowohl das Machine Learning als auch Blockchain, werden das Gesundheitssystem weiterhin begleiten und zukünftig positiv beeinflussen. Gerade beim Machine Learning sind die bereits vorhandenen Grundlagen gut. Dennoch muss die Technologie mit Bedacht eingesetzt werden – im besten Fall sucht man sich Unterstützung von einem Experten. Wie bei fast allen neuen digitalen Technologien muss auch bei der Anwendung von Machine Learning und Blockchain ein Augenmerk auf den Datenschutz gelegt werden, denn vor allem Krankheits- und Patienten-bezogene Daten sind sehr sensibel. Dennoch werden Machine Learning und Blockchain im Gesundheitswesen zukünftig immer mehr an Bedeutung gewinnen.
