Infektiologie – Pionier der Digitalen Medizin

Was ist neu?

Von der personalisierten zur digitalen Medizin Über Impfungen und gezielte Erregerdiagnostik und -therapie ist die Infektionsmedizin Vorreiterin der personalisierten Medizin. Datenprozesse im Rahmen neuer Infektionsepidemien sind Musterbeispiele der Möglichkeiten der digitalen Medizin.

Klinische Entscheidungshilfen Die oft gut definierten Krankheitsbilder der Infektiologie und das hohe Niveau der verfügbaren Leitlinien sind ideale Voraussetzungen für computerunterstützte Behandlungsentscheidungen.

Datengetriebene Infektionsforschung Durch die Verbindung von Daten aus elektronischen Patientenakten mit den umfassenden Datensätzen neuer Technologien aus der sogenannten „Omics“-Forschung können neue Zusammenhänge erkannt und Prognosen verbessert werden.

Elektronische Gesundheitsakte Die elektronische Gesundheitsakte eröffnet großes Potenzial im Sinne einer zielgerichteten Behandlung, insbesondere bei infektiologischen Notfällen.

Telemedizin In Deutschland fehlen Infektiologen, ein Strukturwandel kann nur schrittweise vollzogen werden. Telemedizinische Konsultationen können helfen, infektiologische Expertise in unzureichend versorgte Regionen zu bringen.

Mobile Health Die fast vollständige Verbreitung mobiler Digitalgeräte schafft neue Möglichkeiten für die Gestaltung der Arzt-Patient-Kommunikation sowie der heimatnahen Nachsorge.

Mobile Versorgung chronischer Infektionen Beim Langzeitmanagement chronischer Erkrankungen sowie bei der Versorgung in Regionen mit schwacher Infrastruktur entstehen Möglichkeiten einer verbesserten medizinischen Behandlung.

Balance der Interessen Die Digitale Medizin birgt Risiken durch die Schaffung großer Datensätze mit potenziell stigmatisierenden Patienteninformationen. Softwaresysteme, die Entscheidungen von klinischer Relevanz beeinflussen, bedürfen sorgfältiger Prüfung und Transparenz.

Abstract

Digital Medicine has become an integral part of clinical infectious diseases. For chronic infections such as HIV and Hepatitis C, treatment with software tools for resistance phenotyping has become standard of care. Computer-assisted decision aids as well as electronic health records are currently being implemented on a regional basis in Germany. They assist physicians in avoiding treatment errors and selecting antibiotics rationally.

Mobile devices allow documentation of the course of chronic infections and improve communication between patient and physician. This offers new opportunities in areas with underdeveloped health infrastructure. In the future, it will become possible to integrate complex datasets, such as genome and microbiome, into clinical treatment decisions. This would adjust treatment individually based on host immune response, metabolism, and microbiota colonization.

Schlüsselwörter

Digitale Medizin - Infektiologie - mobile Applikationen - HIV - medizinische Informatik

Key words

digital health - infectious diseases - mobile health - HIV - omics - machine learning

• Literatur

• 1 Chene G, Phillips A, Costagliola D. et al. Cohort Profile: Collaboration of Observational HIV Epidemiological Research Europe (COHERE) in EuroCoord. Int J Epidemiol 2017; 46: 797-797n
• 2 de With K, Allerberge F, Amann S. et al. S3-Leitlinie Strategien zur Sicherung rationaler Antibiotika-Anwendung im Krankenhaus. Im Internet: http://www.awmf.org/uploads/tx_szleitlinien/092-001l_S3_Antibiotika_Anwendung_im_Krankenhaus_2013-verlaengert.pdf ; verändert: 19.02.2018
• 3 Durant J, Clevenbergh P, Halfon P. et al. Drug-resistance genotyping in HIV-1 therapy: the VIRADAPT randomised controlled trial. Lancet 1999; 353: 2195-2199
• 4 Horng S, Sontag DA, Halpern Y. et al. Creating an automated trigger for sepsis clinical decision support at emergency department triage using machine learning. PLoS One 2017; 12: e0174708
• 5 Kalaghatgi P, Sikorski AM, Knops E. et al. Geno2pheno[HCV] – A Web-based Interpretation System to Support Hepatitis C Treatment Decisions in the Era of Direct-Acting Antiviral Agents. PLoS One 2016; 11: e0155869
• 6 Kjaer J, Ledergerber B. HIV cohort collaborations: proposal for harmonization of data exchange. Antivir Ther 2004; 9: 631-633
• 7 Krüger-Brand HE. E-Health: Patientenakten im mobilen Zugriff. Dtsch Arztebl 2018; 115: A-1420
• 8 Marx G, Beckers R, Brokmann JC. et al. Telekooperation für die innovative Versorgung am Beispiel des Universitätsklinikums Aachen. Bundesgesunheitsbl 2015; 58: 1056-1061
• 9 Nowak J, Zander E, Stefanik D. et al. High incidence of pandrug-resistant Acinetobacter baumannii isolates collected from patients with ventilator-associated pneumonia in Greece, Italy and Spain as part of the MagicBullet clinical trial. J Antimicrob Chemother 2017; 72: 3277-3282
• 10 Rawson TM, Moore LSP, Hernandez B. et al. A systematic review of clinical decision support systems for antimicrobial management: are we failing to investigate these interventions appropriately?. Clin Microbiol Infect 2017; 23: 524-532
• 11 Stecher M, Chaillon A, Eberle J. et al. Molecular Epidemiology of the HIV Epidemic in Three German Metropolitan Regions – Cologne/Bonn, Munich and Hannover, 1999–2016. Sci Rep 2018; 8: 6799