Advertisement

Der Urologe

pp 1–5 | Cite as

Urolithiasisforschung – Big Data und künstliche Intelligenz

Wie wir neue Strukturen aus der Medizininformatikinitiative des Bundesministeriums für Bildung und Forschung nutzen können
  • M. SchönthalerEmail author
  • Friederike Praus
Leitthema

Zusammenfassung

Hintergrund

Die digitale Transformation unserer Gesellschaft betrifft in besonderem Maße auch Medizin und Gesundheitswesen. Die Generierung und Analyse immer größeren digitaler Datenmengen ermöglicht neue Forschungsansätze, die insbesondere auch für die Versorgungsforschung häufiger Erkrankungen wie der Urolithiasis genutzt werden können.

Ziel

Die geplante Infrastruktur der Medizininformatikinitiative (MI-I) und die daraus resultierenden Möglichkeiten für die Versorgungsforschung im Bereich Urolithiasis werden dargestellt.

Ergebnisse

Für eine sinnvolle Nutzung müssen Patientendaten einerseits für die Forschung verfügbar gemacht werden, zum anderen müssen geeignete Methoden für deren Analyse, Interpretation und Anwendung entwickelt werden. Ziel der MI‑I des Bundes ist es Patientendaten, die während eines Klinikaufenthalts erhoben werden, für die Forschung bereitzustellen. Durch den Aufbau sog. Datenintegrationszentren soll ein digitales Netzwerk für die standortübergreifende Nutzung und den Austausch von Daten geschaffen werden. Für die Analyse der immensen Datenmengen sollen Methoden der sog. Künstlichen Intelligenz weiterentwickelt werden. Seit Mai 2019 fördert das Bundesministerium für Bildung und Forschung den Aufbau eines Nationalen Steinregisters, dessen Datengrundlage mit Hilfe der digitalen Infrastruktur der MI‑I generiert werden soll. Das Register soll Fragestellungen aus den drei relevanten Bereichen beantworten: „Auswirkungen der Erkrankung für Individuum und Gesellschaft“ (z. B. Einschränkung der Lebensqualität und der Arbeitsfähigkeit, Behandlungskosten), „Identifikation weiterer Risikofaktoren“ (personalisierte Medizin, u. a. unter Berücksichtigung von Lifestyle und Ernährung, Entwicklung eines Risikoscores) sowie „Evaluation verschiedener Therapieansätze“ (welches ist die beste Behandlung für einen individuellen Patienten?).

Schlüsselwörter

Versorgungsforschung Register Evidenzbasierte Medizin Qualität der Evidenz Risikofaktoren 

Abkürzungen

DIZ

Datenintegrationszentrum

EBM

Evidenzbasierte Medizin

KI

Künstliche Intelligenz

KIS

Krankenhausinformationssystem

LOE

„Level of evidence“

MI‑I

Medizininformatikinitiative

MIRACUM

„Medical Informatics in Research and Care in University Medicine“

RCT

„Randomized controlled trial“

RECUR

Nationales Register für rezidivierende Steinerkrankungen des oberen Harntraktes (Nationwide Registry for Recurrent Urolithiasis of the Upper Urinary Tract)

Urolithiasis research—big data and artificial intelligence

How we can use the new structures of the medical informatics initiative of the Federal Ministry of Education and Research

Abstract

Background

The digital transformation of society has a tremendous impact on both medicine and healthcare. The generation and processing of continuously growing amounts of digital data can be used to facilitate new approaches in research, particularly for healthcare research of common diseases such as urolithiasis.

Objective

Presentation of the design of the German medical informatics initiative (MI-I) and the resulting possibilities for healthcare research in the field of urolithiasis.

Results

For a meaningful utilization patient data must be readily available for research purposes and suitable methods for the analysis, interpretation and utilization must be developed. The aim of the German MI‑I is to make patient data collected during hospitalization available for research. The formation of so-called data integration centers will create a digital network that will facilitate the utilization and exchange of data between institutions. Advanced artificial intelligence algorithms will be used for analysis of the immense amounts of data. In May 2019 the German Federal Ministry of Education and Research boosted funding for the set-up of a digital nationwide registry on urolithiasis where the data foundation is to be generated based on the digital infrastructure of the MI‑I. The registry is intended to answer questions from the three relevant areas: “impact of the disease on individuals and society” (e.g. limitations in the quality of life and ability to work, treatment costs), “identification of further risk factors” (e.g. personalized medicine, especially taking account of lifestyle and nutrition, development of a risk score) and “evaluation of various treatment approaches” (which is the best treatment for an individual patient?).

Keywords

Health care research Registry Evidence-based medicine Quality of evidence Risk factors 

Notes

Förderung

Das Nationale Steinregister (Projektleiter Prof. Dr. M. Schönthaler, Förderkennzeichen 01GY1902) wird vom Bundesministerium für Bildung und Forschung gefördert.

Einhaltung ethischer Richtlinien

Interessenkonflikt

M. Schönthaler und F. Praus geben an, dass kein Interessenkonflikt besteht.

Für diesen Beitrag wurden von den Autoren keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.

Literatur

  1. 1.
    Obermeyer Z, Emanuel EJ (2016) Predicting the future – big data, machine learning, and clinical medicine. N Engl J Med 375(13):1216–1219.  https://doi.org/10.1056/NEJMp1606181 CrossRefGoogle Scholar
  2. 2.
    Schoenthaler M, Boeker M, Horki P (2019) How to compete with Google and Co.: big data and artificial intelligence in stones. Curr Opin Urol 29(2):135–142.  https://doi.org/10.1097/MOU.0000000000000578 CrossRefGoogle Scholar
  3. 3.
    Die Medizininformatik-Initiative des BMBF https://www.medizininformatik-initiative.de/de/start. Zugegriffen: 25. Apr. 2019
  4. 4.
    Das MIRACUM-Konsortium der Medizininformatikinitiative (2019) https://www.miracum.org/. Zugegriffen: 14. Mai 2019
  5. 5.
    Ganslandt T (2018) Data Warehouse. Presented at the: MIRACUM KolloquiumGoogle Scholar
  6. 6.
    Sackett D, Strauss S, Richardson W (2000) Evidence-based medicine: how to practise and teach EBM, 2. Aufl. Chruchill Livingstone, EdinburghGoogle Scholar
  7. 7.
    Srisubat A, Potisat S, Lojanapiwat B, Setthawong V, Laopaiboon M (2014) Extracorporeal shock wave lithotripsy (ESWL) versus percutaneous nephrolithotomy (PCNL) or retrograde intrarenal surgery (RIRS) for kidney stones. Cochrane Database Syst Rev.  https://doi.org/10.1002/14651858.CD007044.pub3 Google Scholar
  8. 8.
    Qaseem A, Dallas P, Forciea MA, Starkey M, Denberg TD, Clinical Guidelines Committee of the American College of Physicians (2014) Dietary and pharmacologic management to prevent recurrent nephrolithiasis in adults: a clinical practice guideline from the American College of Physicians. Ann Intern Med 161(9):659–667.  https://doi.org/10.7326/M13-2908 CrossRefGoogle Scholar
  9. 9.
    Schoenthaler M, Miernik A, Wilhelm K et al (2016) Level of evidence, sponsorship, conflict of interest policy and commercial impact of PubMed-listed clinical urolithiasis-related trials in 2014. BJU Int 117(5):787–792.  https://doi.org/10.1111/bju.13387 CrossRefGoogle Scholar
  10. 10.
    Thorpe KE, Zwarenstein M, Oxman AD et al (2009) A pragmatic-explanatory continuum indicator summary (PRECIS): a tool to help trial designers. J Clin Epidemiol 62(5):464–475.  https://doi.org/10.1016/j.jclinepi.2008.12.011 CrossRefGoogle Scholar
  11. 11.
    Dreyer NA, Garner S (2009) Registries for robust evidence. JAMA 302(7):790–791.  https://doi.org/10.1001/jama.2009.1092 CrossRefGoogle Scholar
  12. 12.
    Baumann W, Farin E, Menzel-Begemann A, Meyer T (2016) Memorandum IV: theoretical and normative grounding of health services research. Gesundheitswes Bundesverb Arzte Offentl Gesundheitsdienstes Ger 78(5):337–352.  https://doi.org/10.1055/s-0042-105511 CrossRefGoogle Scholar
  13. 13.
    AHRQ (2012) Health services research: a definition. http://www.ahrq.gov/funding/training-grants/hsrguide/hsrguide.html. Zugegriffen: 8. Juli 2019Google Scholar
  14. 14.
    Stausberg J, Semler S, Neugebauer EM (2014) A registry of registries and cohorts: recommendations for metadata and policies. Gesundheitswes Bundesverb Arzte Offentl Gesundheitsdienstes Ger 76(12):865–873.  https://doi.org/10.1055/s-0034-1395550 CrossRefGoogle Scholar
  15. 15.
    Redaktion ToolPool TMF e.V. (2019) Register und Kohorten. https://www.toolpool-gesundheitsforschung.de/themen/register-und-kohorten. Zugegriffen: 16.05.2019
  16. 16.
    Bundesministerium für Bildung und Forschung, im Auftrag Dr. R. Loskill (2016) Richtlinie zur Förderung des Aufbaus modellhafter Register für die Versorgungsforschung. https://www.bmbf.de/foerderungen/bekanntmachung-1261.html. Zugegriffen: 15.05.2019
  17. 17.
    Antonelli JA, Maalouf NM, Pearle MS, Lotan Y (2014) Use of the National Health and Nutrition Examination Survey to calculate the impact of obesity and diabetes on cost and prevalence of urolithiasis in 2030. Eur Urol 66(4):724–729.  https://doi.org/10.1016/j.eururo.2014.06.036 CrossRefGoogle Scholar
  18. 18.
    Türk C, Petřík A, Sarica K et al (2016) EAU guidelines on diagnosis and conservative management of urolithiasis. Eur Urol 69(3):468–474.  https://doi.org/10.1016/j.eururo.2015.07.040 CrossRefGoogle Scholar
  19. 19.
    Zuboff S (2018) Das Zeitalter des Überwachungskapitalismus. Campus, Frankfurt New YorkGoogle Scholar
  20. 20.
    AC Wellness (2017) https://www.acwellness.com/. Zugegriffen: 9. Juli 2019

Copyright information

© Springer Medizin Verlag GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Klinik für UrologieUniversitätsklinikum FreiburgFreiburgDeutschland

Personalised recommendations