Die bevorstehende Krankenhausreform zielt nicht nur auf Kosteneinsparungen ab, sondern auch auf die Verbesserung der Behandlungsqualität. Angesichts der hohen Anzahl von Behandlungen ist Präzision und Effizienz unerlässlich. Hier kommen IT-basierte Entscheidungsunterstützungssysteme (CDSS) ins Spiel, die sowohl ökonomische als auch medizinische Aspekte berücksichtigen und zur Entbürokratisierung beitragen können.
Für die Implementierung eines ökonomisch-medizinischen CDSS werden klassische Strukturen, die medizinisches Wissen abbilden, mit ökonomischen Regelwerken kombiniert. Ontologien und Leistungsgruppen-Grouper sind hierbei zentrale Elemente. Zusätzlich werden Machine Learning Modelle entwickelt, um prädiktiv Ereignisse zu erkennen. Die Basis bilden sowohl strukturierte als auch unstrukturierte Daten, die mittels Natural-Language-Processing analysiert und semi-strukturiert werden.
Die Kombination klinischer Entscheidungsunterstützung mit ökonomischen Faktoren führt nicht zu qualitativen Einbußen für den Patienten. Maschinelle Intelligenz analysiert die über den Patienten bekannten Fakten, setzt sie in Kontext und leitet daraus Wissen ab. Berücksichtigt werden demographische Faktoren, Diagnosen, Behandlungen, Laborwerte und Medikamente. Dieses Wissen unterstützt nicht nur die Diagnostik, sondern auch die Therapieplanung und -durchführung. Die Art der Therapie beeinflusst den Outcome, die Behandlungsdauer und die Kosten. All diese Faktoren werden im CDSS visualisiert und können für Entscheidungen herangezogen werden. Zudem ermöglicht das System den Zugriff auf vorangegangene Erfahrungen und ermittelt mögliche Risiken, die sowohl medizinischer als auch ökonomischer Natur sein können.
Medizinisches Wissen, Therapie und Behandlungskosten sind eng miteinander verknüpft und können bereits während der Diagnostik und Planung berücksichtigt werden. Ein intelligentes CDSS stellt nicht nur Wissen für den Behandler bereit, sondern unterstützt auch bei der Dokumentation und erzeugt Daten, die im Medizincontrolling und bei der Leistungsabrechnung verwendet werden können.
Intelligente Entscheidungsunterstützung ist besonders nützlich, wenn sie flächendeckend in der klinischen Routine und Primärversorgung eingesetzt wird. Dies erfordert eine hohe Vertrauenswürdigkeit des Systems, das mindestens als Medizinprodukt der Klasse 2a zertifiziert sein muss. Zudem müssen bereits heute die Aspekte des AI-Act berücksichtigt werden.