Positionspapier „Digitalisierung in der Chirurgie“ – Konsequenzen?

Dirk Wilhelm; Beat Müller-Stich; Daniel Ostler; Thomas Schmitz-Rixen; Hubertus Feussner

doi:10.1055/a-1030-3888

Zentralblatt für Chirurgie - Zeitschrift für Allgemeine, Viszeral-, Thorax- und Gefäßchirurgie, Inhaltsverzeichnis

Zentralbl Chir 2020; 145(06): 495-498
DOI: 10.1055/a-1030-3888

Aktuelle Chirurgie

Positionspapier „Digitalisierung in der Chirurgie“ – Konsequenzen?

Autor*innen

Dirk Wilhelm

¹Technische Universität München, Fakultät für Medizin, Klinik und Poliklinik für Chirurgie, Klinikum rechts der Isar, München, Deutschland

²Arbeitsgruppe MITI, Technische Universität München, Klinikum rechts der Isar, München, Deutschland
Beat Müller-Stich

³Chirurgische Klinik, Universitätsklinikum Heidelberg, Deutschland
Daniel Ostler

²Arbeitsgruppe MITI, Technische Universität München, Klinikum rechts der Isar, München, Deutschland
Thomas Schmitz-Rixen

⁴Klinik für Gefäß- und Endovaskularchirurgie, Universitätsklinikum Frankfurt, Deutschland
Hubertus Feussner

²Arbeitsgruppe MITI, Technische Universität München, Klinikum rechts der Isar, München, Deutschland

Abstract

Das Positionspapier „Digitalisierung in der Chirurgie“, das im Auftrag der DGCH und in Mitwirkung durch zahlreiche Experten erstellt wird, beabsichtigt, einen Statusbericht über den aktuellen Transformationsprozess und die eingebundenen Technologien zu geben. Zugleich soll es aber dazu dienen, Handlungsempfehlungen zu generieren, die als Thesen bereits formuliert wurden. Die sich hieraus ableitenden Konsequenzen betreffen verschiedene Teilbereiche unseres Faches und sollen in diesem Manuskript erläutert werden.

Volltext

Referenzen

Literatur
1 Marstedt G. Das Internet: Auch Ihr Ratgeber für Gesundheitsfragen?. 2018 Im Internet (Stand: 17.07.2020): https://www.bertelsmann-stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/VV_Studie_Das-Internet-auch-Ihr-Ratgeber_Befragung.pdf
2 Ginsberg J, Mohebbi MH, Patel RS. et al. Detecting influenza epidemics using search engine query data. Nature 2009; 457: 1012-1014
3 Araz OM, Bentley D, Muelleman RL. Using Google Flu Trends data in forecasting influenza-like-illness related ED visits in Omaha, Nebraska. Am J Emerg Med 2014; 32: 1016-1023
4 Gupta A, Katarya R. Social media based surveillance systems for healthcare using machine learning: A systematic review. J Biomed Inform 2020; 108: 103500
5 Santillana M, Nguyen AT, Dredze M. et al. Combining Search, Social Media, and Traditional Data Sources to Improve Influenza Surveillance. PLoS Comput Biol 2015; 11: e1004513
6 Deutsche Gesellschaft für Chirurgie e.V. (DGCH). 25 Thesen zur Digitalisierung: Chirurgen operieren, Daten assistieren. 2019 Im Internet (Stand: 18.07.2020): https://www.bdc.de/25-thesen-zur-digitalisierung-chirurgen-operieren-daten-assistieren/
7 Wilhelm D, Kranzfelder M, Ostler D. et al. [Digitalization in surgery: What surgeons currently think and know about it-results of an online survey]. Chirurg 2020; 91: 51-59
8 Efthymiou CA. Dystopian levels of bureaucracy distract us from treating patients. BMJ 2019; 365: l2334
9 Toledano DT, Fernández-Gallego MP, Lozano-Diez A. Multi-resolution speech analysis for automatic speech recognition using deep neural networks: Experiments on TIMIT. PLoS One 2018; 13: e0205355
10 Shickel B, Tighe PJ, Bihorac A. et al. A Survey of Recent Advances in Deep Learning Techniques for Electronic Health Record (EHR) Analysis. IEEE J Biomed Health Inform 2018; 22: 1589-1604
11 Walsh S, de Jong EEC, van Timmeren JE. et al. Decision Support Systems in Oncology. JCO Clin Cancer Inform 2019; 3: 1-9
12 Haendel MA, Chute CG, Robinson PN. Classification, Ontology, and Precision Medicine. N Engl J Med 2018; 379: 1452-1462
13 Shin K, Phalak K, Hamame A. et al. Interpretation of Breast MRI Utilizing the BI-RADS Fifth Edition Lexicon: How Are We Doing and Where Are We Headed?. Curr Probl Diagn Radiol 2017; 46: 26-34
14 Kasparick M, Andersen B, Franke S. et al. Enabling artificial intelligence in high acuity medical environments. Minim Invasive Ther Allied Technol 2019; 28: 120-126
15 Breil B. Technische Standards bei eHealth-Anwendungen. In: Fischer F, Krämer A. Hrsg. eHealth in Deutschland. Berlin, Heidelberg: Springer Vieweg; 2016: 25-46
16 Shah NR. Health Care in 2030: Will Artificial Intelligence Replace Physicians?. Ann Intern Med 2019; 170: 407-408
17 Topalovic M, Das N, Burgel PR. et al. Artificial intelligence outperforms pulmonologists in the interpretation of pulmonary function tests. Eur Respir J 2019; 53: 1801660
18 Schaller RR. Mooreʼs law: past, present and future. IEEE Spectrum 1997; 34: 52-59
19 Killock D. AI outperforms radiologists in mammographic screening. Nat Rev Clin Oncol 2020; 17: 134
20 Floridi L. What the near Future of artificial Intelligence could be. In: Burr C, Milano S. eds. The 2019 Yearbook of the Digital Ethics Lab. Basel: Springer; 2020: 127-142
21 Shademan A, Decker RS, Opfermann JD. et al. Supervised autonomous robotic soft tissue surgery. Sci Transl Med 2016; 8: 337ra364
22 Panesar S, Cagle Y, Chander D. et al. Artificial Intelligence and the Future of Surgical Robotics. Ann Surg 2019; 270: 223-226
23 OʼSullivan S, Nevejans N, Allen C. et al. Legal, regulatory, and ethical frameworks for development of standards in artificial intelligence (AI) and autonomous robotic surgery. Int J Med Robot 2019; 15: e1968
24 Müller VC, Bostrom N. Future Progress in artificial Intelligence: A Survey of Expert Opinion. In: Müller VC. ed. Fundamental Issues of artificial Intelligence. Basel: Springer; 2016: 555-572
25 Murff HJ, FitzHenry F, Matheny ME. et al. Automated identification of postoperative complications within an electronic medical record using natural language processing. JAMA 2011; 306: 848-855
26 Mofidi R, Duff MD, Madhavan KK. et al. Identification of severe acute pancreatitis using an artificial neural network. Surgery 2007; 141: 59-66
27 Lee WS, Ahn SM, Chung JW. et al. Assessing Concordance With Watson for Oncology, a Cognitive Computing Decision Support System for Colon Cancer Treatment in Korea. JCO Clin Cancer Inform 2018; 2: 1-8
28 Tian Y, Liu X, Wang Z. et al. Concordance Between Watson for Oncology and a Multidisciplinary Clinical Decision-Making Team for Gastric Cancer and the Prognostic Implications: Retrospective Study. J Med Internet Res 2020; 22: e14122
29 Hirsch MC. KI und neue Wege der Care-Navigation. Klinikarzt 2020; 49: 256-261
30 [Anonym] Deutsche zur Datenspende für medizinische Forschung bereit. Deutsches Ärzteblatt; 28.08.2019 Im Internet (Stand: 20.07.2020): https://www.aerzteblatt.de/treffer?mode=s&wo=17&typ=1&nid=105591&s=datenspende
31 [Anonym] Digitalisierung: Kabinett beschließt Patientendaten-Schutzgesetz. Deutsches Ärzteblatt; 01.04.2020 https://www.aerzteblatt.de/treffer?mode=s&wo=17&typ=1&nid=111593&s=datenspende
32 Klauber J, Geraedts M, Friedrich J. et al. Krankenhaus-Report 2019: Das digitale Krankenhaus. Berlin: Springer Nature; 2019
33 Feussner H, Wilhelm D, Navab N. et al. Surgineering: a new type of collaboration among surgeons and engineers. Int J CARS 2019; 14: 187-190