Entscheidungsunterstützungssysteme atacama Software GmbH Verfasser: Karen Güttler Version: 0.1 Datum: 04.08.16 atacama Software GmbH Datum: 04.08.16 Seite 1/6
Inhalt 1. Einführung... 2 2. Definition... 2 3. Einsatzbereiche von Entscheidungsunterstützung in klinischen Systemen... 4 4. Entscheidungsunterstützungssysteme für die Pflege... 5 5. Ausblick... 5 6. Literatur... 6 1. Einführung Wenn von Entscheidungsunterstützungssystemen gesprochen wird, stellt sich zunächst die Frage, wodurch Entscheidungsprobleme gekennzeichnet sind und welche Form von Unterstützung jeweils benötigt wird. Entscheidungsprobleme entstehen zum Beispiel dann, wenn ein Entscheidungsträger (z. B. Individuum, Unternehmen usw.) ein Problem lösen soll, für das es mindestens zwei sehr komplexe und/oder schlecht strukturierte und/oder mit Risiken behaftete Alternativen gibt. Entscheidungsunterstützungssysteme (EUS) sollen bei der Lösung dieser Formen von Entscheidungsproblemen helfen. Im Gesundheitswesen finden sich digitale EUS häufig im Zusammenhang mit Datenauswertung, Alarmierung, Erinnerungsfunktionen usw. Beispielsweise sind Datenauswertung seit vielen Jahren ein wichtiger Bestandteil des Gesundheitswesens, z. B. für die Forschung aber auch bei der Qualitätssicherung und Entwicklung. Ebenso ist in fast jedem digitalen System eine Erinnerungs- oder Alarmfunktion vorhanden, sei es für To-dos, Vitaldaten u.a.m. Entscheidungsunterstützungssysteme können aber weitaus mehr. So ist es nicht nur möglich Informationen zu erhalten und anzuzeigen; EUS können auch selbstständig relevante Daten extrahieren und Optionen bzw. Antworten auf Fragen der unterschiedlichen Berufsgruppen im Gesundheitswesen anbieten. Was also wird im Gesundheitswesen unter einem digitalen Entscheidungsunterstützungssystem verstanden? Wofür werden diese Systeme benötigt? Gibt es entscheidungsunterstützende Systeme für die Pflege? Diesen Fragen soll im Folgenden nachgegangen werden. 2. Definition Entscheidungsunterstützende Systeme, im Englischen auch als Decision Support System (DSS) oder, bezogen auf Kliniken, als Clinical Decision Support System (CDSS) bezeichnet, folgen keiner einheitlichen Definition, wie die folgenden Beispiele zeigen. atacama Software GmbH Datum: 04.08.16 Seite 2/6
Das Wirtschaftslexikon definiert ein DSS als ein computergestütztes Planungs- und Informationssystem, das die Entscheidungsvorbereitung [ ] unterstützt, indem entscheidungsrelevante Informationen verdichtet und geeignet dargestellt werden (z.b. in Tabellen oder Grafiken). (http://wirtschaftslexikon.gabler.de/archiv/75090/decisionsupport-system-dss-v9.html) Stahlknecht und Hasenkamp (1999) bezeichnen Entscheidungsunterstützungssysteme als computergestützte, interaktive Systeme, die Entscheidungsträgern in Organisationen und Verwaltung mit Modellen und Methoden bei der Lösung von zumeist komplexen und schlecht strukturierten (strukturierbaren) Entscheidungssituationen helfen. Bea und Haas (1995) sowie Hansen (1996) schreiben, dass im Mittelpunkt eines EUS eine Hilfestellung bei wichtigen Entscheidungen in Teilphasen des Managementprozesses steht, wie z. B. der Problemerkennung und -analyse, der Generierung von Alternativen und ihrer Bewertung sowie der Zielerreichung und Kontrolle von Projekten. Nach (Mertens/Meier 2009, S.12) sind EUS zumeist auf das Unterstützen von bestimmten Entscheidungssituationen eines Funktionsbereichs fokussiert. Spezifischere Definitionen, beispielsweise für klinische EUS, fordern das Vorhandensein einer Wissensbasis und das Einbeziehen von Patientendaten. Die Kombination von Wissensbasis mit Expertenwissen und einem Inferenzmechanismus 1, der Schlussfolgerungen auf Basis dieses Wissens ermöglicht, wird auch als Expertensystem bezeichnet. Unter diesem Aspekt handelt es sich bei den meisten klinischen Entscheidungsunterstützungssystemen um Expertensysteme (vgl. Winter 2007). Zusammengefasst kann folgendes zu den entscheidungsunterstützenden Systemen gesagt werden: Auf der Basis von aktuell vorliegenden Patientendaten sowie gespeichertem medizinischpflegerischen Wissen sind die EUS in der Lage, Pflegende und Ärzte bei der Diagnostik, Maßnahmenplanung bzw. Therapie, der Einschätzung einer Prognose sowie einem effektiven Patientenmanagement zu unterstützen. Die Anwendung formaler Methoden der Wissensrepräsentation und des Wissenserwerbs ermöglicht es, das benötigte pflegerisch-medizinische Wissen in strukturierter Form in Wissensbasen anzubieten. Entscheidungsunterstützende Systeme können unter Nutzung der jeweiligen Wissensbasis entweder einzelne Patientendaten interpretieren, und/oder eine umfassende, ganzheitliche Betrachtung liefern und zwar aus allen vorliegenden Patientendaten in einem System oder über mehrere Systeme hinweg und über einen längeren Zeitraum. Es geht also darum, dass durch das EUS Daten so aufbereitet und präsentiert werden, dass erkannte Probleme einerseits analysiert und verdichtet dargestellt werden und andererseits die 1 Bestandteil eines wissensbasierten Systems, der die Aufgabe hat, mithilfe von Inferenzregeln (Inferenz, Regel) Schlussfolgerungen aus der Wissensbasis abzuleiten, die zur Lösung des zu bearbeitenden Problems beitragen. atacama Software GmbH Datum: 04.08.16 Seite 3/6
Daten nach bestimmten Regeln so interpretiert werden, dass das System selbständig neue Erkenntnisse gewinnt und/oder simuliert (intelligente Systeme). Dabei nehmen die Systeme dem Anwender keine Entscheidung ab, sondern dienen der Entscheidungsvorbereitung und -findung. Die Systeme könne Problemlösungsverfahren enthalten, welche interaktiv im Mensch-Maschine-Dialog ablaufen. Die Erfahrung und das Urteilsvermögen der Anwender sind notwendig, um mit Unterstützung der Maschine die richtigen und vor allem effektiven Entscheidungen zu treffen. Die Verantwortung für die Entscheidung bleibt in der Hand des Anwenders. 3. Einsatzbereiche von Entscheidungsunterstützung in klinischen Systemen Eine Grundvoraussetzung für eine effektive Nutzung eines EUS ist, wie schon erwähnt, der Zugang zu Patientendaten, die in les- und interpretierbarer Form vorliegen sollten. Dies wird in der Regel durch die Integration eines EUS in ein Kliniksystem erreicht, auf dessen Informationen es zugreifen kann. Eine zweite wichtige Voraussetzung ist, wie oben bereits erwähnt, das Vorhandensein einer geeigneten Wissensbasis. Zu den häufigsten Einsatzbereichen eines EUS zählen Unterstützung bei der Medikamentenverordnung. Diese Systeme geben z. B. Hinweise auf Inkompatibilitäten, Allergien, Dosisempfehlungen, beispielsweise bei eingeschränkten Organfunktionen. Ausgabe von Hinweis-, Erinnerungs- oder Alarmmeldungen. Das System erinnert zum Beispiel an anstehende Maßnahme oder es schlägt Alarm, wenn Werte (z. B. Vitaldaten) über- oder unterschritten werden und ein sofortiges Handeln notwendig wird. Vereinfachung des Zugangs zu Patientendaten, die für den Entscheidungsprozess relevant sind. Das System sammelt, verdichtet und präsentiert Patientendaten beispielsweise in Form von graphischen Darstellungen, so dass auf dieser Basis Trends schnell erkannt und Entscheidungen getroffen werden können. Intelligente Informationssuche. Systeme mit intelligenter Informationssuche sind einerseits fehlertolerant und berücksichtigen Synonyme. Andererseits geben diese Systeme Antworten auf klinische Fragen, indem sie Ergebnisse von Studien, die für die Behandlung des Patienten relevant sind, bereitstellen. Analyse und Interpretation von Bildern. Ein solches System interpretiert beispielsweise das Wundfoto, indem es Aussagen zur Oxygenierung, dem Hämoglobinanteil usw. macht und deshalb Rückschlüsse auf den Heilungsprozess ziehen kann. Unterstützung bei der Diagnosestellung. Systeme, die bei der (Pflege-)Diagnosestellung und Maßnahmenplanung bzw. Therapie unterstützen, benutzen im Allgemeinen eine Wissensbasis, welche das jeweilige notwendige Fachwissen bereithält. Dieses Wissen atacama Software GmbH Datum: 04.08.16 Seite 4/6
kann sich auch nur auf ein Teilgebiet, beispielsweise chronische Wunden, beschränken. Grundsätzlich kann gesagt werden, dass ein Entscheidungsunterstützungssystem umso effektiver ist, je besser die zugrundeliegende Wissensbasis und je vielfältiger die zur Verfügung gestellten Daten sind (vgl. Winter 2007). 4. Entscheidungsunterstützungssysteme für die Pflege Digitale Systeme im Umfeld der Pflege sind zwar nicht selten und der Markt allein in Deutschland umfasst zahlreiche unterschiedliche Softwarelösungen, deren Schwerpunkt jedoch meist auf der Dokumentation liegt. Viele dieser Systeme ermöglichen statistische Auswertungen, Erinnerungen und ggf. auch Alarmfunktionen, beispielsweise für Risiken. Nur wenige Systeme sind heute allerdings in der Lage, Entscheidungsunterstützung im Sinne eines Expertensystems zu ermöglichen, obwohl sie durchaus Wissensquellen nutzen. Es lässt sich konstatieren, dass sich der Markt bis auf wenige Produkte seit 2009 nicht wesentlich weiterentwickelt hat. Eine Entscheidungsunterstützung im Sinne eines Expertensystems fußt auf der formalen Abbildung von Wissen. Einheitliche Begriffssysteme wie Klassifikationen, Nomenklaturen und Thesauri sowie internationale Standards bieten nicht nur eine Eindeutigkeit beim elektronischen Datenaustausch und zuverlässige statistische Daten (vgl. DIMDI), sie können auch Grundlage einer Ontologie sein, welche Begriffe und Konzepte dieser Standards semantisch verbindet. Relationen in einem solchen semantischen Netz bilden ein formales Modell von Begriffen oder Konzepten und ihren Beziehungen. Diese Form der Wissensrepräsentation geht deutlich über eine reine Klassifikation hinaus, weil sie nicht auf eine hierarchische Struktur und die eindeutige Einordnung eines Objekts in eine Kategorie einschränkt, sondern Themen zusammenhält. Das bedeutet, dass über die auf der Grundlage der Wissensbasis hinaus gemachten Vorschläge für z.b. Pflegediagnosen, Ursachen, Interventionen sowie Erinnerungs- und Alarmfunktionen ein solches EUS unter Berücksichtigung des Kontextes der Benutzung (z.b. Zeit, Ort, Benutzergruppe) und der Merkmale des Patienten (z.b. Geschlecht, Alter, bisherige Diagnosen) die Komplexität der Auswahl verringert und einen besonders leichten und schnellen Zugriff auf die große Anzahl pflegerischer (Katalog-)Elemente ermöglicht. Des Weiteren ermöglicht der Einsatz von maschinellem Lernen die Entdeckung neuer Korrelationen, die das semantische Netz mit weitergehendem Wissen anreichern kann. 5. Ausblick Entscheidungsunterstützungssysteme sind nicht neu und sie können auf recht vielfältige Weise zur Entscheidungsfindung beitragen. Neu ist die heute zur Verfügung stehende große Datenmenge, die in den verschiedensten Bereichen des Gesundheitswesens (Klinik, Altenpflegeeinrichtungen, atacama Software GmbH Datum: 04.08.16 Seite 5/6
Arztpraxen usw.) produziert wird. Es stellt sich die Frage, wie sich diese Datenmengen zum Wohle der Patienten beispielsweise in entscheidungsunterstützenden Systemen nutzen lassen. Hier können intelligente Unterstützungen auf Datenbasis (Smart Data) einen Beitrag leisten, weil aus großen Datenmengen durch intelligente Analysen mittels Algorithmen verborgene Zusammenhänge sichtbar werden. Dieser Ansatz der intelligenten Datenanalyse, das heißt das Finden und Erkennen von Mustern und Gesetzmäßigkeiten aus den Daten, kann in den nächsten Jahren auch im Gesundheitswesen einen Beitrag dazu leisten Patienten effizienter zu versorgen, Prozesse zu optimieren und auch die Wirtschaftlichkeit der Einrichtungen zu verbessern. 6. Literatur BEA, F. X. ; HASS, J. (1995): Strategisches Management. Stuttgart DIMDI (Aufruf 2016): http://www.dimdi.de/static/de/klassi/basisinfo-klassi.pdf HANSEN, H. R. (1996): Wirtschaftsinformatik I. Grundlagen betriebswirtschaftlicher Informationsverarbeitung. Stuttgart MERTENS, P.; MEIER, M. (2009): Planungs- und Kontrollsysteme in der Industrie. 10. Aufl. Wiesbaden 2009. STAHLKNECHT, P. ; HASENKAMP, U. (1999): Einführung in die Wirtschaftsinformatik. Berlin WERNER, L. (1992): Entscheidungsunterstützungssysteme: ein problem- und benutzerorientiertes Management-Instrument. Heidelberg WINTER, C.A. (2007): Anwendung eines objektorientierten Wissensmodells mit zugrunde liegendem semantischen Netz als Entscheidungsunterstützungs- und Lernsystem in der Medizin. Tübingen https://www.deutsche-digitale-bibliothek.de/binary/s4m6f4nbgvexsd7vj773c4cnsi4m7x3h/full/1.pdf atacama Software GmbH Datum: 04.08.16 Seite 6/6