Stand der digitalen Medizin in der Pneumologie

Was ist neu?

Obstruktive Lungenerkrankungen Durch digitale Anwendungen wie Smarthaler oder telemedizinische Anbindung der Patienten z. B. über digitale Spirometer oder Apps können Betreuung und Krankheitsverlauf optimiert werden. Die Auswertung der Daten kann z. B. die frühzeitige Erkennung von Exazerbationen ermöglichen.

Pneumologische Onkologie Unter Nutzung großer Datenmengen ist zukünftig eine Veränderung der Lungenkrebsdiagnostik denkbar. Durch computerunterstützte Analyseverfahren können genauere prädiktive Aussagen zu Tumor, Prognose oder Therapieansatz gemacht werden.

Pneumologische Rehabilitation: In der pneumologischen Rehabilitation könnten digitale Unterstützungssysteme wie Apps zur Bewegungssteigerung oder Trainingsunterstützung in den Alltag integriert und auch nach der Maßnahme weiterverfolgt werden.

Schlafmedizin und außerklinische Beatmung Große Datenmengen aus medizinischen Geräten, wie sie z. B. in der Beatmungsmedizin eingesetzt werden, bieten ein besseres Grundlagenverständnis der jeweiligen Erkrankung. Therapien können mit digitaler Technik besser gesteuert und die Therapietreue der Patienten gesteigert werden.

Intensivmedizin Im Bereich der Intensivmedizin gibt es mittlerweile telemedizinische Anbindungen von Intensivstationen kleinerer Häuser an ein Haus der Maximalversorgung. Hierdurch kann die Qualität der intensivmedizinischen Versorgung flächendeckend verbessert werden. Die Telemedizin bietet die Möglichkeit zum ärztlichen Austausch im Hinblick auf diagnostische und therapeutische Entscheidungen.

Abstract

Everyday life is increasingly influenced by digitization. Digitization creates large, often unstructured amounts of data (“big data”), which have been used in consumer industry for years, but yet not widely in medicine. For pulmonology, digitization offers opportunities and risks in different areas like obstructive lung diseases, thoracic oncology, pulmonary rehabilitation, sleep medicine, home mechanical ventilation, and in intensive care medicine. One of the opportunities is that the use of new technologies such as telemedicine and medical apps and the analysis of this new support make it possible to better understand and manage diseases. One of the key advantages is the use of “big data” for displaying dynamic behavior (“trajectories” = movement paths), to better understand disease processes, and to optimize patient management by using analytic techniques such as machine learning. Risks to be considered are data privacy and security as well as the use of artificial intelligence. The vision is to enable precision medicine in pulmonology.

Schlüsselwörter

Digitalisierung - Pneumologie - Big Data

Key words

digitization - pneumology - big data

• Literatur

• 1 Müller T, Müller A, Hübel C. et al. Optimizing inhalation technique using web-based videos in obstructive lung diseases. Respir Med 2017; 129: 140-144
• 2 Blakey JD, Bender BG, Dima AL. et al. Digital technologies and adherence in respiratory diseases: the road ahead. Eur Respir J 2018; 52: 1801147
• 3 McCabe C, McCann M, Brady AM. Computer and mobile technology interventions for self-management in chronic obstructive pulmonary disease. Cochrane Database Syst Rev 2017;
• 4 Yang F, Wang Y, Yang C. et al. Mobile health applications in self-management of patients with chronic obstructive pulmonary disease: a systematic review and meta-analysis of their efficacy. BMC Pulm Med 2018;
• 5 Mehta N, Pandit A. Concurrence of big data analytics and healthcare: A systematic review. Int J Medical Informatics 2018; 114: 57-65
• 6 Xiao Y, Wu J, Lin Z. et al. A deep learning-based multi-model ensemble method for cancer prediction. Comput Methods Programs Biomed 2018; 153: 1-9
• 7 Gao K, Wang D, Huang Y. Cross-cancer prediction: A novel machine learning approach to discover molecular targets for development of treatments for multiple cancers. Cancer Informatics 2018; 17: 1-8
• 8 Yount SE, Rothrock N, Bass M. et al. A randomized trial of weekly symptom telemonitoring in advanced lung cancer. J Pain Symptom Manage 2014; 47: 973-989
• 9 Vorrink SN, Kort HS, Troosters T. et al. A Mobile Phone App to Stimulate Daily Physical Activity in Patients with Chronic Obstructive Pulmonary Disease: Development, Feasibility, and Pilot Studies. JMIR Mhealth Uhealth 2016; 4: e11
• 10 Demeyer H, Louvaris Z, Frei A. et al. Physical activity is increased by a 12-week semiautomated telecoaching programme in patients with COPD: a multicentre randomised controlled trial. Thorax 2017; 72: 415-423
• 11 Martínez-García MDM, Ruiz-Cárdenas JD, Rabinovich RA. Effectiveness of Smartphone Devices in Promoting Physical Activity and Exercise in Patients with Chronic Obstructive Pulmonary Disease: A Systematic Review. COPD 2017; 14: 543-551
• 12 Mayer G. et al. S3-Leitlinie Nicht erholsamer Schlaf/Schlafstörungen – Kapitel „Schlafbezogenen Atmungsstörungen“. Somnologie 2017; 20: S97-S180
• 13 Hwang D, Chang JW, Benjafield AV. et al. Effect of telemedicine education and telemonitoring on continuous positive airway pressure adherence. The Tele-OSA randomized trial. Am J Respir Crit Care Med 2018; 97: 117-126
• 14 Turino C, de Batlle J, Woehrle H. et al. Management of continuous positive airway pressure treatment compliance using telemonitoring in obstructive sleep apnoea. Eur Respir J 2017; 8: 49
• 15 Ambrosino N, Vitacca M, Dreher M. et al. Tele-monitoring of ventilator-dependent patients: a European Respiratory Society Statement. Eur Respir J 2016; 48: 648-663
• 16 Borel JC, Pelletier J, Taleux N. et al. Parameters recorded by software of non-invasive ventilators predict COPD exacerbation: a proof-of-concept study. Thorax 2015; 70: 284-285
• 17 Vranas KC, Slatore CG, Kerlin MP. Telemedicine Coverage of Intensive Care Units: A narrative Review. Ann Am Thorac Soc 2018; 15: 1256-1264
• 18 Amkreutz J, Lenssen R, Marx G. et al. Medication safety in a German telemedicine centre: Implementation of a telepharmaceutical expert consultation in addition to existing tele-intensive care unit services. J Telemed Telecare 2018; 25: 1357633X18799796