Nutzung von Gesundheitsdaten

Die Schweiz hat sich in der Vergangenheit stets durch ihre Wandlungsfähigkeit ausgezeichnet. Jetzt droht sie, eine entscheidende Transformation zu verpassen.

Im Lebenszyklus eines Medikaments helfen Daten, Krankheiten besser zu verstehen, Therapien zielgerichteter zu entwickeln und Patientinnen und Patienten individuell zu begleiten. Zulassungs- Vergütungs- und Therapieentscheidungen eines Medikaments erfolgen basierend auf Daten.

Daten aus der Versorgung ermöglichen es, ein besseres Verständnis über die Gesundheit, Qualität von Versorgung und Therapiebedarfe der Schweizer Bevölkerung zu erreichen. Neben den klinischen Ergebnissen – also etwa Blutwerten, Bildgebungsdaten, Ergebnissen funktioneller Tests oder Komplikationsraten – sollten auch patientenrelevante Patient-Reported Outcome Measures (PROMs) erhoben werden. Diese erfassen die Lebensqualität aus Sicht der Patientinnen und Patienten. Durch standardisierte Prozesse und Instrumente sollten sie verbindlich erfasst und in den Behandlungspfad integriert werden, um ein umfassendes Gesamtbild zu erhalten. Im Sinne eines «lernenden» Healthcare Systems können diese Informationen zur stetigen und dynamischen Verbesserung des Gesundheitswesens beitragen.

Was bringt die Nutzung von Gesundheitsdaten?

Für Patientinnen und Patienten

• Übersicht über eigene Gesundheitsdaten
• Ausrichtung der Behandlung an Patientenbedürfnisse
• Frühere Diagnose von Krankheiten
• Höhere Qualität von Behandlungen
• Kostensenkung durch Reduktion von Überversorgung

Für Forschung und Industrie

• Neue Hypothesen, robustere Analysen
• Verbessertes Verständnis von Krankheiten
• Unterstützt die Forschung und Entwicklung von Medikamenten und Impfstoffen
• Stärkung des Forschungsstandortes

Für das Gesundheitssystem

• Stärkung digitaler Technologien entlastet Fachkräfte
• Steigerung der Effizienz und Qualität des Systems
• Transparenz über Kosten und Wirkung
• Grundlage für gesundheitspolitische Entscheidungen

Handlungsfelder

Damit die digitale Transformation gelingt, müssen sechs wesentliche Handlungsfelder angegangen werden.

• Qualität und Standards: Für den verantwortungsvollen Umgang mit Daten braucht es gemeinsame Bestimmungen über die technischen sowie qualitativen Standards, mit welchen diese erhoben, strukturiert und gespeichert werden. Das ist wichtig für die Interoperabilität: Werden Daten nicht gemäss einem gemeinsamen Mindeststandard bezüglich Qualität und in kompatiblen Formaten erhoben, lassen sie sich nicht verknüpfen. Meist können erst durch das Verknüpfen Erkenntnisse gewonnen werden.
• Technik und Infrastruktur: Grundlage des Gesundheitsdatenökosystems ist seine Infrastruktur analog dem Verkehrsnetz. Das Datenökosystem erfordert ebenfalls eine Basisinfrastruktur, die die Erfassung, den Austausch und die Nutzung von Daten ermöglicht Diese Grundinfrastruktur hat den Charakter eines öffentlichen Gutes.
• Fachkräfte: Damit das System reibungslos läuft, braucht es Fachkräfte mit den nötigen Kompetenzen, um das System zu unterhalten, zu betreiben und natürlich zu nutzen. Datenkompetenz, die Fähigkeit, mit Daten umzugehen, muss als eine Kernkompetenz integral in sämtlichen Lehr- und Ausbildungsplänen verankert werden.
• Akzeptanz und Beteiligung: Das Gesundheitsdatenökosystem erfordert die aktive Mitwirkung und das Vertrauen aller Beteiligten, um sicherzustellen, dass jeder davon profitieren kann. Um diesen kulturellen Wandel zu unterstützen, ist ein umfassender Dialog mit sämtlichen Akteuren im Gesundheitswesen erforderlich.
• Finanzierung und Investition: Der Aufbau der Infrastrukturen des Gesundheitsdatenökosystems verlangt Investitionen durch Bund und Kantone, so wie sie im Programm DigiSanté vorgesehen sind. In einem dynamischen Gesundheitsdatenökosystem kann die nachhaltige Finanzierung unter anderem über Gebühren von sekundären Datennutzern wie der Forschung gestaltet werden.
• Regulierung und Anreize: Die Nutzung von Daten braucht einen förderlichen rechtlichen Rahmen. Es muss klar sein, welche Daten unter welchen Bedingungen geteilt werden können. Weiter braucht es Anreize, Gesundheitsdaten strukturiert zu erfassen und zu kuratieren. Denn das ist enorm aufwendig. Es braucht deshalb neue Ansätze bei der Vergütung der Leistungen von Spitälern und Ärzten, da die derzeitigen Abrechnungsverfahren diese Arbeit nicht angemessen berücksichtigen.

Real World Data

Die enormen Fortschritte bei der Digitalisierung haben den Zugang zu medizinischen Daten eröffnet, die im Unterschied zu herkömmlichen klinischen Studien im Alltag der Patienten generiert werden, den sogenannten Real World Data (RWD).

Die Anwendung von RWD deckt einen weiten Bereich ab, von der Bewertung von Sicherheit und Effektivität von Therapien über Risiko-Nutzen-Abwägungen für bestimmte Krankheiten bis hin zu komplexen Diagnosen und Aussagen zu Mustern und Auffälligkeiten bei spezifischen Patientengruppen.

Die Rekrutierung und Teilnahme von Patienten an klinischen Studien kann durch RWD ebenfalls vereinfacht werden. Kliniken können geeignete Studienteilnehmer anhand ihrer gesammelten Patientendaten besser und schneller auswählen. Smartphone-Apps und Wearables unterstützen den Patienten bei der ortsunabhängigen Erfassung und Übermittlung von Gesundheitsdaten, was die Anzahl von Klinikbesuchen reduziert.

Faire Rahmenbedingungen schaffen

Die nutzbringende Anwendung von RWD in der Forschung ist jedoch nur mit qualitativ hochwertigen Daten möglich, die unter definierten Bedingungen gewonnen und sorgfältig ausgewertet werden. Hier sind Rahmenbedingungen zu schaffen, die einen fairen Ausgleich für den hohen Aufwand zur Generierung und Kuratierung solcher Daten und die damit ermöglichten Innovationen gewährleisten. Daten zur Förderung der Gesundheit sollten breit zugänglich sein. Dabei muss jedoch sichergestellt werden, dass Datenschutzregulierungen eingehalten werden. Der Aufwand für Generierung, Kuratierung und Bereitstellung der Daten muss honoriert werden, wobei es ein Bewusstsein für die unterschiedlichen Arten von RWD zu schaffen gilt: Es gibt einerseits RWD, die quasi nebenbei unter unkontrollierten Bedingungen gewonnen werden, und andererseits RWD, die sehr hohen Qualitätsanforderungen genügen müssen. RWD, die gezielt für klinische Zulassungen erhoben werden, sollten einem vergleichbaren Schutz unterstellt werden, wie er für herkömmliche klinische Daten gilt.