Chancen der Digitalisierung für innovative Gesundheitsforschung und -versorgung

Zentrale Herausforderungen an ein zukunftsfähiges Gesundheitssystem resultieren aus der demografischen Entwicklung. Wachsender Versorgungsbedarf, steigende Qualitätsanforderungen und medizinisch-technischer Fortschritt müssen bei gleichzeitig bestmöglicher Nutzung knapper personeller und ökonomischer Ressourcen bewältigt werden. Dies trifft insbesondere für unser Fachgebiet mit seinen 5 Säulen AINSP zu. Die Digitalisierung bietet hier große Chancen.

Publication History

Article published online:
23 March 2022

• Literatur

• 1 Ghalati PF, Samal SS, Bhat JS. et al. Critical Transitions in Intensive Care Units: A Sepsis Case Study. Sci Rep 2019; 9: 12888 DOI: 10.1038/s41598-019-49006-2. (PMID: 31501451)
• 2 Johnson AEW, Pollard TJ, Shen L. et al. MIMIC-III, a freely accessible critical care database. Sci Data 2016; 3: 201635 DOI: 10.1038/sdata.2016.35.
• 3 [Anonym]. Accessed January 31, 2022 at: https://intensivregister.de
• 4 Fritsch S, Maaßen O, Riedel M. Künstliche Intelligenz: Infrastrukturen und Voraussetzungen auf europäischer Ebene. Anasthesiol Intensivmed Notfallmed Schmerzther 2022; 57: 172-184 DOI: 10.1055/a-1423-8052.
• 5 Marx G, Bickenbach J, Fritsch SJ. et al. Algorithmic surveillance of ICU patients with acute respiratory distress syndrome (ASIC): protocol for a multicentre stepped-wedge cluster randomised quality improvement strategy. BMJ Open 2021; 11: e045589 DOI: 10.1136/bmjopen-2020-045589. (PMID: 34550901)
• 6 Fritsch S, Sharafutdinov K, Schuppert A. et al. Nutzung von künstlicher Intelligenz zur Bekämpfung der COVID-19-Pandemie. Anasthesiol Intensivmed Notfallmed Schmerzther 2022; 57: 185-197 DOI: 10.1055/a-1423-8039.
• 7 Martin L, Peine A, Gronholz M. et al. Herausforderungen und Nutzen in der Intensivmedizin. Anasthesiol Intensivmed Notfallmed Schmerzther 2022; 57: 199-209 DOI: 10.1055/a-1423-8006.
• 8 Peine A, Hallawa A, Bickenbach J. et al. Development and validation of a reinforcement learning algorithm to dynamically optimize mechanical ventilation in critical care. NPJ Digit Med 2021; 4: 32 DOI: 10.1038/s41746-021-00388-6. (PMID: 33608661)
• 9 Dohmen S, Wahl A, Benstoem C. Digital gestützte intensivmedizinische Versorgungsnetzwerke. Anasthesiol Intensivmed Notfallmed Schmerzther 2022; 57: 211-220 DOI: 10.1055/a-1423-7982.
• 10 Marx G, Greiner W, Juhra C. et al. An innovative telemedical network to improve infectious disease management in critically ill patients and outpatients: a stepped-wedge, cluster randomized controlled trial (TELnet@NRW). J Med Internet Res 2022; DOI: 10.2196/34098. (PMID: 35103604)
• 11 Dohmen S, Benstoem C, Lemmen SW. et al. Messbarer Patientennutzen durch ein intensivmedizinisches digitales Versorgungsnetzwerk für COVID-19-Patienten in der Vorstufe des Virtuellen Krankenhauses Nordrhein-Westfalen. Anästh Intensivmed 2021; 62: 431-440 DOI: 10.19224/ai2021.431.
• 12 Bundesministerium für Gesundheit. Zentrums-Regelungen: Zentren in einem intensivmedizinischen digital-gestützten Versorgungsnetzwerk (IDV-Zentren) – Anhang zu den Anlagen 5 und 7. Beschluss des Gemeinsamen Bundesausschusses vom 18.02.2021. Accessed January 31, 2022 at: https://www.g-ba.de/beschluesse/4720/