Jeder Patient in der Neurorehabilitation ist einzigartig, und jede Behandlung
muss auf den Patienten zugeschnitten sein. Dieser Akt der Personalisierung wird
empirisch jeden Tag zigfach durchgeführt, jedoch gibt es hierfür keine explizite
Datengrundlage. Eine Möglichkeit, um der Vielfalt der Patientenbilder gerecht zu
werden, besteht darin, sich in Zukunft von populationsbasierten statistischen
Modellen zu verabschieden. Eine Alternative sind sogenannte N-of-1 Trials, in
denen Daten von einzelnen Patienten und ihren Therapieverläufen gesammelt und
Metaanalysen über den Behandlungserfolg durchgeführt werden. Durch maschinelles
Lernen werden in großen Datensätzen Repräsentationsräume und Trajektorien
identifiziert, die als digitale klinische Entscheidungshilfe fungieren können.
Hierfür müssen jedoch intelligente Datenerfassungssysteme im klinischen Alltag
Einzug finden, um eine ausreichende Datendichte zu erzielen. Der Artikel stellt
ein solches Datenerfassungssystem vor und beschreibt die Erfahrungen einer
Implementierung in einer Schlaganfall-Rehaklinik.
