Wie wirtschaftlich sind Data & Analytics im Gesundheitsbereich?

Philip von Wedel / Christian Hagist- 17. Februar 2021

Tipps für Praktiker

Es ist kein Geheimnis, dass die Digitalisierung viele, wenn nicht sogar alle Bereiche unseres Lebens verändert hat. Die meisten Industrien schwenkten um auf ein digital erweitertes oder komplett digitales Angebot, um eine verbesserte Kundenerfahrung zu ermöglichen und somit die Nachfrage anzutreiben. Im Gesundheitswesen werden diese marktbasierten Prozesse jedoch häufig aufgrund der umfassenden Regulierung der Branche abgeschwächt. Entsprechend nahmen Anbieter im Gesundheitswesen scheinbar keinen besonderen Druck zur Ausweitung der Digitalisierungsbudgets wahr.

Europäische Gesundheitsversorger müssen aufholen

2017 hatten beispielsweise fast 50 Prozent der Krankenhäuser in Deutschland und Österreich immer noch keine krankenhausinterne elektronische Patientenakte (EPA) für ihre Patientinnen und Patienten, sondern dokumentierten die Befunde weiterhin auf Papier. An sich stellt sich die Frage, ob Data- & Analytics-Technologien tatsächlich die Qualität unserer Gesundheitsversorgung verbessern.

Die Antwort ist wenig überraschend: Ja! Aktuelle Forschung zeigt, dass die Einführung einer EPA in Krankenhäusern zu weniger Medikationsfehlern, weniger unerwünschten Wechselwirkungen und häufigerer Einhaltung von Richtlinien führen kann. Durch Auswertung von EPA-Daten kann Advanced Analytics basierend auf Künstlicher Intelligenz (KI) bereits die Eintrittswahrscheinlichkeit verschiedenster Krankheiten bestimmen und andere versorgungsrelevante Vorhersagen treffen. Ein hochaktuelles Thema ist hier die Möglichkeit, eine Erkrankung am neuartigen Coronavirus (COVID-19) über KI-basierte Auswertung von Bilddaten zu diagnostizieren.

Ironischerweise bedeuten in einem System, bei dem Qualität noch nicht ausreichend im Vergütungssystem berücksichtigt wird, Qualitätsverbesserungen durch die Anwendung von Data & Analytics nicht unbedingt auch ökonomische Vorteile für die Versorger. Daher sehen sie Anschaffungs- und langfristige Servicekosten als kritisches Hindernis an und stellen häufig die Kosteneffektivität dieser Technologien in Frage. In den USA haben politische Entscheidungsträger auf diese Tatsache bereits 2009 mit einer umfangreichen finanziellen Förderung reagiert, wodurch eine Abdeckung der Krankenhäuser mit EPAs von heute fast 100 Prozent erreicht werden konnte. In Deutschland stellen Bund und Länder über das kürzlich eingeführte Krankenhauszukunftsgesetz (KHZG) bis zu 4,3 Milliarden Euro für Projekte zur Förderung digitaler Infrastrukturen zur Verfügung, um lange überfällige Investitionen anzustoßen.

Es bleibt die Frage, ob Gesundheitsversorger wirtschaftlichen Wert aus Investitionen in Data & Analytics ziehen können. Wir untersuchten diese Frage umfänglich in einer kürzlich publizierten Literaturübersicht und wollen in diesem Artikel auf die wichtigsten und praxisrelevanten Erkenntnisse eingehen.

Stellen Sie fünf Technologien ins Zentrum kommender Investitionsentscheidungen

Wir haben fünf wichtige technologische Kategorien für Investitionsentscheidungen im Bereich Data & Analytics identifiziert: die elektronische Patientenakte, computerisierte Entscheidungsunterstützung, Advanced Analytics, Business Analytics und Telemedizin (siehe Grafik). Der wirtschaftliche Einfluss von Data & Analytics auf Gesundheitsversorger ist sehr abhängig von der jeweiligen Kategorie, jedoch zeigen grob 60 Prozent der von uns berücksichtigten Studien, dass die Technologien insgesamt positive Effekte haben.

Die EPA repräsentiert die am umfänglichsten untersuchte technologische Kategorie für Gesundheitsversorger. Allerdings zeigten nur 12 der 30 betrachteten Artikel positive wirtschaftliche Effekte bezogen auf die Einführung einer EPA. Leider ist dieses Ergebnis isoliert betrachtet nicht unbedingt hilfreich, wenn schnelle Investitionsentscheidungen getroffen werden sollen – zumindest aus rein wirtschaftlicher Sicht. Doch spiegelt es deutlich die Realität wider, denn häufig kommt es erst aufgrund gesetzlicher Zuschüsse zur Investition. Einige Faktoren konnten wir dennoch identifizieren, die einen zeitnahen Break-even wahrscheinlicher machen.

Eine konsequente Abkehr von allen alten Strukturen wie papierbasierter Dokumentation und Schreibservice, die Umnutzung von Aktenlagern in klinische Räume und eine schrittweise Einführung der EPA anstatt eines „Big Bangs“ sind alles wichtige Faktoren. Glücklicherweise zeigt sich für die restlichen vier Kategorien ein positiveres Bild. Computerisierte Entscheidungsunterstützung etwa kann Material- und Personalkosten durch die Vermeidung von überflüssiger Laborarbeit und Bildgebung reduzieren. Business-Analytics-Lösungen, die Daten zu operativen Workflows und Abrechnungsdaten analysieren, können die Effizienz optimieren und durch die Identifikation nicht gestellter Forderungen ebenfalls zusätzlichen Umsatz bringen. An dritter Stelle können Advanced-Analytics-Lösungen Effizienzen heben und Kosten einsparen, indem sie auf Basis von EPA-Daten Analysen, Diagnostik, Entscheidungsfindung und Prozesse unterstützen. Häufig greifen diese Systeme auf KI-basierte Big-Data-Analyse zurück. Zuletzt können auch telemedizinische Anwendungen wie die Fernüberwachung in manchen Fällen Kosteneinsparungen ermöglichen. Alle in unserer Übersicht identifizierten Studien zu diesen letzten vier Kategorien weisen ausschließlich positive wirtschaftliche Effekte für Versorger auf.

Denken Sie über die Elektronische Patientenakte hinaus

An dieser Stelle ist es wichtig, die fünf genannten Data- & Analytics-Kategorien nicht getrennt voneinander, sondern im Zusammenspiel zu betrachten. Beispielsweise bauen Entscheidungsunterstützungssysteme und KI-basierte Advanced-Analytics-Lösungen in den meisten Fällen auf EPA-Daten auf. Die EPA-Einführung kann somit zum Flaschenhals für die positiven wirtschaftlichen Effekte der Technologien werden, die mit ihr einhergehen. Auf eine EPA-Einführung wegen unsicherer Kosteneffektivität zu verzichten, heißt auch, die Tür zu wirtschaftlichen Vorteilen anderer Technologien zu verschließen, die damit einhergehen. Die EPA Einführung fungiert hier als wichtiger Türöffner. Diese Beobachtung zeigt erneut die Relevanz staatlicher Förderungen für EPA-Einführungen. Sie sollten, wenn verfügbar, in jedem Fall genutzt werden. Darüber hinaus zeigt unsere Studie jedoch auch, dass jede EPA-Investitionsentscheidung auch die nachgelagerten wirtschaftlichen Effekte der mit der EPA einhergehenden Technologien berücksichtigen sollte. In vielen Fällen kann ein Blick über die EPA hinaus schwierige Investitionsfälle erleichtern oder sogar Break-even-Zeiten verkürzen. Data- & Analytics-Technologien können nicht isoliert voneinander, sondern immer im Zusammenspiel betrachtet werden. Unsere Studie zeigt, dass dies auch auf die wirtschaftlichen Effekte einer Einführung dieser Technologien bei Gesundheitsversorgern zutrifft.

Literaturverweise

Originalpublikation

• Von Wedel, P./Hagist, C. (2020): Economic Value of Data and Analytics for Health Care Providers: Hermeneutic Systematic Literature Review, in: Journal of Medical Internet Research, Vol. 22 (11)

Weiterführende Literatur

• Campanella, P./Lovato, E./Marone, C./Fallacara, L./Mancuso, A./Ricciardi, W., et al. (2016): The impact of electronic health records on healthcare quality: a systematic review and meta-analysis, in European Journal of Public Health, Vol. 26 (1), S. 60-64
• Chaudhry, B./Wang, J./Wu, S./Maglione, M./Mojica, W./Roth, E., et al. (2006): Systematic review: Impact of health information technology on quality, efficiency, and costs of medical care, in Annals of Internal Medicine, Vol. 144 (10), S. 742-752
• Miotto, R./Li, L./Kidd, BA./Dudley, JT. (2016): Deep Patient: An Unsupervised Representation to Predict the Future of Patients from the Electronic Health Records, in Scientific Reports (6)
• Desautels, T./Calvert, J./Hoffman, J./Jay, M./Kerem, Y./Shieh, L., et al. (2016): Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach, in JMIR Medical Informatics, Vol. 4 (3)
• Li, L./Qin, L./Xu, Z./Yin, Y./Wang, X./Kong, B., et al. (2020): Using Artificial Intelligence to Detect COVID-19 and Community-acquired Pneumonia Based on Pulmonary CT: Evaluation of the Diagnostic Accuracy, in Radiology, Vol. 296 (2)
• Kruse, CS./Kristof, C./Jones, B./Mitchell, E./Martinez, A. (2016):  Barriers to Electronic Health Record Adoption: A Systematic Literature Review, in Journal of Medical Systems, Vol. 40 (12)
• Blumenthal, D. (2010): Launching HITECH, in New England Journal of Medicine, Vol. 362 (5), S. 382-385