Erschienen am {DATE} von {AUTHORS} in den Kategorien {CATEGORIES}

Als integraler Bestandteil der sehr guten Gesundheitsversorgung in Deutschland leistet die Labordiagnostik viel – medizinisch, strukturell und ökonomisch. Im Versorgungsalltag jedoch gilt sie, nicht zuletzt wegen ihrer geräuschlosen Perfektion, oft nur als selbstverständliche Dienstleistung. Wir selbst müssen dafür sorgen, dass unser Produkt als unverzichtbar und einzigartig wahrgenommen wird. Wir müssen unser Selbstverständnis darauf ausrichten, zur Beantwortung folgender Fragen beizutragen: der Frage des Arztes „Was muss ich tun?“ sowie der des Patienten „Was wird aus mir?“. Diagnostikanbieter, die diese Aufgabe zufriedenstellend lösen, werden Erfolg in bisher ungeahntem Ausmaß haben. Anbieter, die ihre Aufgabe allein in der weiteren Perfektionierung existierender Lösungen sehen, werden verschwinden.

Ein Beitrag von Prof. Dr. Paul Cullen, MVZ Labor Münster Dr. Löer, Prof. Cullen und Kollegen

Wir wissen es alle: Ob am Patientenbett, im Akutlabor eines Krankenhauses oder im hochtechnologischen Speziallabor – unser Fach ist sowas wie das ungeliebte Stiefkind der medizinischen Versorgung. Im Medizinstudium unterrepräsentiert und im Versorgungsalltag als selbstverständliche Dienstleistung angenommen, bekommt unsere Branche oft weniger Aufmerksamkeit und Respekt als sie verdient.

Dabei stellt sich die Realität ganz anders dar: das Labor ist das „Nervensystem“ der modernen Medizin. Etwa vier von fünf Diagnosen werden mittels Labordiagnostik gestellt und viele Behandlungen sind ohne begleitende Laboruntersuchungen nicht durchführbar. Die ausgeklügelte Logistik des Labors macht viele zeitkritische Interventionen erst möglich und sichert eine wohnortnahe Versorgung in entlegenen Regionen – all das bei einer in der übrigen Medizin unerreichten Kosteneffizienz.

Laboruntersuchungen verursachen sowohl im Krankenhaus als auch bei den Gesundheitsausgaben in Deutschland* etwa zwei Prozent der Kosten.1 Für weniger als 0,3 Prozent des Bruttosozialprodukts wird somit für alle Bürger in Deutschland eine erstklassige und wohnortnahe Laborversorgung sichergestellt. Dies entspricht in etwa der Summe, die wir jedes Jahr für Videospiele ausgeben.

Es scheint, dass wir, die im medizinischen Labor Tätigen, Opfer des eigenen Erfolgs geworden sind. So geräuschlos, so perfekt ist unsere Leistung, dass sie aus dem Bewusstsein der Akteure im Gesundheitswesen zu verschwinden droht. Wie sollen uns da noch mehr Automatisierung und eine intensivierte elektronische Datenverarbeitung helfen?

Der Visionär Arthur C. Clarke (1917–2008), Autor des Buchs "2001: A Space Odyssey" sagte, "jede Technologie, die ausreichend fortgeschritten ist, kann nicht mehr von Zauberei unterschieden werden".2 Die Labormedizin erreicht diesen Punkt. Je mehr die Technologie fortschreitet, desto mehr verschwindet sie in den Hintergrund. Die breitgefächerten Funktionalitäten, die an der Oberfläche sichtbar werden, scheinen beinahe frei zu schweben und werden deshalb als selbstverständlich hingenommen.

Dennoch bin ich in Bezug auf die Zukunft unserer Branche äußerst optimistisch. Denn meiner Meinung nach stehen wir an der Schwelle einer technologischen Revolution, die unsere Arbeit und die Art, wie man uns wahrnimmt, radikal verändern könnte. Die neue Entwicklungsstufe führt nämlich nicht dazu, dass die Labormedizin oder die Diagnostika-Industrie demnächst ultimativ wegrationalisiert oder in tausend anderen "Cloud-Services" integriert werden. Das Gegenteil ist der Fall: Ich bin überzeugt, dass unsere Zeit jetzt anbricht und unsere Chancen nie größer waren.

Im Folgenden will ich die Gründe für diese Einschätzung erläutern und am Beispiel der Datenanalyse zeigen, wie wir uns wandeln können (und müssen) – vom bisherigen Wertelieferanten zum Vermittler von verdichtetem Wissen, das den behandelnden Arzt in die Lage versetzt, optimale, maßgeschneiderte Lösungen für seine Patienten zu finden.

Vor Jahren war ich Inhaber eines BiotechStartups, das sich zum Ziel gesetzt hatte, automatisierte arraybasierte Multiplex-Analysen auf PCR-Basis herzustellen. Gleichzeitig leitete ich die Arbeitsgruppe „Molekulardiagnostik“ der DGKL**. Diese Doppelrolle zwang mich, darüber nachzudenken, was wir mit dieser damals neuen Art der Diagnostik erreichen wollen. Das Ergebnis dieser Überlegungen war die „Diagnostische-Pyramide“ (Abb.  1), die nicht nur die Molekulardiagnostik, sondern alle labordiagnostischen Ansätze abbildet.

Abb. 1: Die „Diagnostische Pyramide“.

Schritt 1: Ein Gerät führt eine spezifische Reaktion durch, die am Ende einer Detektionskette in ein elektrisches Signal mündet (z. B. zehn Millivolt).

Schritt 2: Dieses Signal wird mittels EDV transformiert, um Daten zu generieren (z. B. die Feststellung einer Blutkaliumkonzentration von 6,6 mmol/L). Früher (bei einigen Akutanwendungen auch heute noch) waren diese Daten das Produkt des Labors.

Schritt 3: Konsolidierung von Labordaten mit Daten aus anderen Quellen (z. B. Alter, Geschlecht, Referenzbereich, Präanalytik) für klinisch relevante Informationen (z. B. "Kaliumwert ist zu hoch"). Dies ist heute das Produkt vieler Krankenhauslaboratorien bzw. niedergelassener Laborgemeinschaften.

Schritt 4: Relevante Informationen aus dem Labor werden mit weiteren klinischen Informationen verdichtet (z. B. aus körperlicher Untersuchung, Bildgebung, anderen Laboruntersuchungen), damit klinisch relevantes Wissen letztlich auch als Produkt des Labors entsteht. Damit überschreiten wir gleichsam die Schwelle von der "geschlossenen" quantifizier- und automatisierbaren Laborwelt in die "offene, endlose echte" Welt, die prinzipiell unbestimmbar und nicht automatisierbar ist. Was unterhalb der Schwelle passiert wird von den Konsumenten unserer Leistungen meist nicht gesehen und deshalb auch nicht wertgeschätzt. Anders die Wahrnehmung von Leistungen oberhalb der Schwelle. In unserem Beispiel trägt der Befund eines hohen Kaliumwerts zur Diagnose eines akuten Nierenversagens bei.

Schritt 5: Das erlangte Wissen wird dann durch den Erfahrungshorizont des Arztes, die Erwartungen und Wünsche des Patienten, die Medizinethik und juristische Normen bewertet, um für den individuellen Patienten in seiner einzigartigen Lebenssituation die beste Behandlungsoption zu finden (Handeln).

(Quelle P. Cullen)

Wie die Legende zur Abbildung erklärt, erschöpft sich die Aufgabe der Labordiagnostik keinesfalls in der Lieferung kommentierter Laborwerte. Vielmehr besteht ihre Rolle darin, hochwertiges Wissen zu generieren (Schritt 4, Abb. 1), das dem behandelnden Arzt ermöglicht, optimal im Sinne seines Patienten zu handeln.

Wenn es uns Labordiagnostikern also gelänge, als Produkt solch klinisch relevantes Wissen zur Verfügung zu stellen bzw. dessen Generierung verantwortlich zu steuern, hätten wir wichtige Fortschritte auf dem Weg in die neue Welt gemacht. Letztendlich geht es aber nicht nur um Wissen, sondern auch um Handeln. Der Arzt will nicht nur wissen, was der Patient hat, sondern vor allem will er ableiten können, was er jetzt tun muss. Auch der Patient will nicht primär wissen, was er hat, sondern er will erfahren, was aus ihm wird. Somit geht es in unserem Geschäft nicht um Maschinen, sondern um Menschen. Der Erfolg des ärztlichen Handelns (Schritt 5, Abb. 1) hängt entscheidend von der Qualität des in Schritt 4 generierten Wissens ab.

Der Auftrag des Labors lautet somit, zum Gelingen von Schritt 4 beizutragen. In den meisten Fällen sind wir von einer solchen Rolle noch weit entfernt. Aber es ist keine Übertreibung zu sagen, dass unsere mittelund langfristige Existenz davon abhängt, wie gut es uns gelingt, diese Aufgabe zu meistern.

Die technische Aufgabe besteht darin, die Ergebnisse der geschlossenen und voll automatisierbaren Laborwelt optimal mit Datenquellen aus der nicht automatisierbaren und offenen Menschenwelt zu vernetzen, um eine personalisierte Medizin, die diesen Namen verdient, zu ermöglichen.

Die hierzu passenden Begrifflichkeiten – die leider hier und da zu Schlagworten verkommen sind – lassen sich anschaulich als „Familie IT“ darstellen. Die Eltern „Standardisierung“ und „Digitalisierung“ haben zwei Zwillingspaare hervorgebracht: die zierlichen, agilen Zwillingsschwestern „künstliche Intelligenz (KI)“ und „neuronale Netze“ sowie ihre burschikosen Zwillingsbrüder „Big Data“ und „Deep Learning“. Im Moment steht die KI im Vordergrund, jedoch kann diese Familie nur als Einheit funktionieren.

Dennoch eignet sich die KI als Anschauungsbeispiel. Eigentlich ist „Intelligenz“ eine Fehlbezeichnung, da Intelligenz den Menschen vorbehalten ist. Laut Duden ist Intelligenz die „Fähigkeit des Menschen, abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten.“ Die Verknüpfung von Algorithmen und Daten, die als „KI“ beschrieben wird, hat mit dieser Intelligenz nichts zu tun. Denn Maschinen fehlt die selbstreflektierte Bewusstseinsebene, die das Denken ermöglicht. Trotz dieser begrifflichen Ungenauigkeit, oder vielleicht gerade deswegen, rast die künstliche Intelligenz derzeit auf die Spitze des sog. Hype-Zyklus zu (Abb. 2). Vermutlich folgt diesem Hype eine lange Phase der Desillusionierung, bis sich die wahre Rolle der Technologie herauskristallisiert. Analoges gilt für die anderen Mitglieder der Familie IT.

Abb. 2: Der "Hype-Zyklus" beschreibt die typische Entwicklung der Erwartungshaltung im Verlauf technischer Innovationen. Einem "Gipfel der überzogenen Erwartungen" folgt ein "Tal der Enttäuschung" bis nach dem mühsamen Erklimmen des "Berghangs der Einsicht" die Innovation die "Ebene der Leistungsfähigkeit" erreicht und zur Produktivität beiträgt. Die Dauer der Phasen variiert in Abhängigkeit von der Komplexität und den zu überwindenden Widerständen – etwa Datenschutz, regulatorische Hürden, institutionelle bzw. organisatorische Trägheit oder gar Ablehnung. Die verschiedenen Formen der KI befinden sich noch auf dem steilen Weg zum Gipfel der überzogenen Erwartungen. Zum Vergleich dazu zwei andere technologische Innovationen in weiter fortgeschrittenen Phasen.

(Modifiziert nach Gartner, Inc., Stamford, Connecticut, USA; gartner.com/SmarterWithGartner)

Die Daten, die von der Familie IT bearbeitet werden können, stammen aus unterschiedlichsten Quellen (z. B. Klinische Chemie, Immunologie, Histologie, Sequenzierung, Genomhybridisierung, Anamnese, Symptome, Phänotyp).3 Sie werden zusammengeführt, verglichen und annotiert, um die Entscheidung des Klinikers bestmöglich zu unterstützen.

Die USA haben bei der Entwicklung cloudbasierter Dienstleistungen die Nase vorn, dennoch stehen die Chancen für uns nicht grundsätzlich schlecht. Deutschland liegt im internationalen Vergleich der Forschungsergebnisse und der Bereitschaft zur KI auf Platz 6.4 Doch viel zu oft stockt die Umsetzung wegen unseres starren Gesundheitssystems, in letzter Zeit auch gepaart mit einer grundsätzlichen Skepsis gegenüber (neuen) Technologien. So belegte Deutschland im Digital Health Index der Bertelsmann Stiftung bei insgesamt 17 untersuchten Ländern nur den vorletzten Platz.5 Vielleicht werden die durchschlagenden Erfolge der algorithmischen Bildauswertung, etwa in der Radiologie, der Dermatologie und der Pathologie oder auch die enorme Verbesserung der Krebsdiagnostik und -therapie durch massive vergleichende Genomanalysen dazu führen, das grundsätzlich vorhandene Wissen in die Praxis umzusetzen und für kranke Menschen nutzbar zu machen.

Kein Akteur im Gesundheitssystem ist besser platziert, diese Entwicklungen voranzutreiben, als wir im diagnostischen Labor. Als Querschnittsdisziplin ist unser Tätigkeitsbereich dazu prädestiniert, alle Fäden zusammenzuführen („Nervensystem“ der medizinischen Versorgung) und damit letztlich in der Hand zu haben.

Je mehr Energie wir verwenden, um diese technologischen Ziele zu erreichen, desto mehr müssen wir paradoxerweise unseren Technologie-Fokus verringern und uns stattdessen auf die Schnittstelle zum Patienten konzentrieren. In dem Maße, in dem die Technologie im Hintergrund verschwindet und ihre Ergebnisse, wie „Zauberei“ aus dem Nichts erscheinen, wachsen die Ansprüche an unser medizinisches, organisatorisches und logistisches Können, um der immer komplexeren Medizin in einer alternden Bevölkerung gerecht zu werden.

Wie fängt man an? Sinnvolle erste Schritte könnten beispielsweise ein smartes Labor-Anforderungsmanagementsystem sein oder ein Befundsystem, das Quellen innerhalb und außerhalb des Labors nutzt, um ein „Next Generation Reporting“ zu ermöglichen.

* Neun Mrd. Euro Laborkosten vs. 376 Mrd. Euro im Jahr 2018
** Deutsche Gesellschaft für Klinische Chemie und Laboratoriumsmedizin

Disclaimer: Aus Gründen der besseren Lesbarkeit wird in den Texten nur das generische Maskulinum verwendet. Es sind damit alle Personen unabhängig von ihrem Geschlecht gemeint.

Quellen

1 Statistisches Bundesamt (2018)

2 Clarke AC: Profiles of the Future (1973): An Inquiry into the Limits of the Possible. Popular Library. ISBN 978-0-33023619-5

3 Dincer Y et al: J Lab Med (2019); 42:1–8

4 Cambrian AI Index (2019): Cambrian Group, www.cambrian.ai und Konrad-Adenauer-Stiftung.

5 Thiel R et al: #SmartHealthSystems: Digitalisierungsstrategien im internationalen Vergleich. Bertelsmann Stiftung (Hrsg.). 1. Auflage (2018): 232