[Digital data for more efficient prevention: ethical and legal considerations regarding potentials and risks].
Digitale Daten für eine effizientere Prävention: Ethische und rechtliche Überlegungen zu Potenzialen und Risiken.
Algorithms
Artificial intelligence
Big data
Needs assessment
Prevention
Journal
Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz
ISSN: 1437-1588
Titre abrégé: Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz
Pays: Germany
ID NLM: 101181368
Informations de publication
Date de publication:
Jun 2020
Jun 2020
Historique:
pubmed:
16
5
2020
medline:
7
7
2020
entrez:
16
5
2020
Statut:
ppublish
Résumé
Digitization offers considerable potential for strengthening prevention in the healthcare system. Data from various clinical and nonclinical sources can be collected in a structured way and systematically processed using algorithms. Prevention needs can thus be identified more quickly and precisely, and interventions can be planned, implemented, and evaluated for specific target groups. At the same time, however, it is necessary that data processing not only meets high technical but also ethical standards and legal data protection regulations in order to avoid or minimize risks.This discussion article examines the potentials and risks of digital prevention first from a "data perspective," which deals with the use of health-related data for the purpose of prevention, and second from an "algorithm perspective," which focuses on the use of algorithmic systems, including artificial intelligence, for the assessment of needs and evaluation of preventive measures, from an ethical and legal point of view. Finally, recommendations are formulated for framework conditions that should be created to strengthen the further development of prevention in the healthcare system. Die Digitalisierung bietet erhebliche Potenziale für eine Stärkung der Prävention im Gesundheitswesen. Daten aus verschiedenen klinischen und außerklinischen Quellen können strukturiert erfasst und mithilfe von Algorithmen systematisch verarbeitet werden. Präventionsbedarfe lassen sich schneller und präziser ermitteln, Interventionen zielgruppenspezifisch planen, implementieren und evaluieren. Zugleich ist es jedoch erforderlich, dass die Datenverarbeitung nicht nur hohen technischen, sondern auch ethischen Standards und den gesetzlichen Datenschutzbestimmungen entspricht, um Risiken zu vermeiden oder zu minimieren.Der vorliegende Diskussionsbeitrag beleuchtet in ethischer und rechtlicher Hinsicht die Potenziale und Risiken der digitalen Prävention zum einen aus einer „Datenperspektive“, bei der es um die Nutzung von gesundheitsrelevanten Daten geht, und zum anderen aus einer „Algorithmenperspektive“, bei der der Einsatz algorithmischer Systeme, einschließlich künstlicher Intelligenz, zur Bedarfserhebung und Evaluation präventiver Maßnahmen im Mittelpunkt steht. Abschließend werden Empfehlungen für Rahmenbedingungen formuliert, die geschaffen werden sollten, um die Weiterentwicklung der Prävention im Gesundheitswesen zu stärken.
Autres résumés
Type: Publisher
(ger)
Die Digitalisierung bietet erhebliche Potenziale für eine Stärkung der Prävention im Gesundheitswesen. Daten aus verschiedenen klinischen und außerklinischen Quellen können strukturiert erfasst und mithilfe von Algorithmen systematisch verarbeitet werden. Präventionsbedarfe lassen sich schneller und präziser ermitteln, Interventionen zielgruppenspezifisch planen, implementieren und evaluieren. Zugleich ist es jedoch erforderlich, dass die Datenverarbeitung nicht nur hohen technischen, sondern auch ethischen Standards und den gesetzlichen Datenschutzbestimmungen entspricht, um Risiken zu vermeiden oder zu minimieren.Der vorliegende Diskussionsbeitrag beleuchtet in ethischer und rechtlicher Hinsicht die Potenziale und Risiken der digitalen Prävention zum einen aus einer „Datenperspektive“, bei der es um die Nutzung von gesundheitsrelevanten Daten geht, und zum anderen aus einer „Algorithmenperspektive“, bei der der Einsatz algorithmischer Systeme, einschließlich künstlicher Intelligenz, zur Bedarfserhebung und Evaluation präventiver Maßnahmen im Mittelpunkt steht. Abschließend werden Empfehlungen für Rahmenbedingungen formuliert, die geschaffen werden sollten, um die Weiterentwicklung der Prävention im Gesundheitswesen zu stärken.
Identifiants
pubmed: 32410053
doi: 10.1007/s00103-020-03147-2
pii: 10.1007/s00103-020-03147-2
doi:
Types de publication
Journal Article
Review
Langues
ger
Sous-ensembles de citation
IM
Pagination
741-748Références
Tresp V, Marc Overhage J, Bundschus M, Rabizadeh S, Fasching PA, Yu S (2016) Going digital: a survey on digitalization and large-scale data analytics in healthcare. Proc IEEE 104:2180–2206
doi: 10.1109/JPROC.2016.2615052
Hurrelmann K, Laaser U (2006) Gesundheitsförderung und Krankheitsprävention. In: Hurrelmann K, Laaser U, Razum O (Hrsg) Handbuch Gesundheitswissenschaften. Juventa, Weinheim, S 749–780
Gordon RS Jr (1983) An operational classification of disease prevention. Public Health Rep 98:107–109
pubmed: 6856733
pmcid: 1424415
WHO (2006) Constitution of the World Health Organization. https://www.who.int/governance/eb/who_constitution_en.pdf . Zugegriffen: 2. Dez. 2019
Antes G (2016) Ist das Zeitalter der Kausalität vorbei? Z Evid Fortbild Qual Gesundhwes 112:16–22
doi: 10.1016/j.zefq.2016.04.007
Wired (2013) Beware the big errors of ‘big data. https://www.wired.com/2013/02/big-data-means-big-errors-people/ . Zugegriffen: 2. Dez. 2019
Datenethikkommission (2019) Gutachten der Datenethikkommission der Bundesregierung
Karafyllis NC (2019) Soziotechnisches System. In: Liggieri K, Müller O (Hrsg) Mensch-Maschine-Interaktion. Metzler, Stuttgart, S 300–303
doi: 10.1007/978-3-476-05604-7_56
Innovations report (2012) Gendatenbank mit 100.000 Erregern im Entstehen. https://www.innovations-report.de/html/berichte/medizin-gesundheit/gendatenbank-100-000-erregern-entstehen-199002.html . Zugegriffen: 2. Dez. 2019
Ning S, Yang S, Kou SC (2019) Accurate regional influenza epidemics tracking using internet search data. Sci Rep. https://doi.org/10.1038/s41598-019-41559-6
doi: 10.1038/s41598-019-41559-6
pubmed: 31857607
pmcid: 6923370
Barnett I, Torous J (2019) Ethics, transparency, and public health at the intersection of innovation and facebook’s suicide prevention efforts. Ann Intern Med. https://doi.org/10.7326/M19-0366
doi: 10.7326/M19-0366
pubmed: 31158849
pmcid: 7164610
World Health Organization (2009) World suicide prevention day media release: suicide prevention (Supre). http://www.who.int/mental_health/prevention/suicide/suicideprevent/en . Zugegriffen: 2. Dez. 2019
Statista (2019) Distribution of Facebook users worldwide as of October 2019, by age and gender. https://www.statista.com/statistics/376128/facebook-global-user-age-distribution/ . Zugegriffen: 2. Dez. 2019
MIT technology review (2020) Snapchat will now offer mental health tools in the app. https://www.technologyreview.com/f/615192/snapchat-will-now-offer-mental-health-tools-in-the-app/ . Zugegriffen: 17. Febr. 2020
Gesetz für eine bessere Versorgung durch Digitalisierung und Innovation. Digitale-Versorgung-Gesetz-DVG. Bundesgesetzblatt Jahrgang 2019 Teil I Nr. 49.
Lee A, Mavaddat N, Wilcox AN et al (2019) BOADICEA: a comprehensive breast cancer risk prediction model incorporating genetic and nongenetic risk factors. Genet Med. https://doi.org/10.1038/s41436-018-0406-9
doi: 10.1038/s41436-018-0406-9
pubmed: 31772349
pmcid: 7060104
Commission on Chronic Illness (1957) Prevention of chronic illness. Chronic illness in the United States, Bd. I. Harvard University Press, Cambridge, S 48
doi: 10.4159/harvard.9780674497474
Ploug T, Holm S (2016) Meta consent – a flexible solution to the problem of secondary use of health data. Bioethics. https://doi.org/10.1111/bioe.12286
doi: 10.1111/bioe.12286
pubmed: 27628305
pmcid: 5108479
Benke K, Benke G (2018) Artificial intelligence and big data in public health. Int J Environ Res Public Health. https://doi.org/10.3390/ijerph15122796
doi: 10.3390/ijerph15122796
pubmed: 30544648
pmcid: 6313588
Jannes M, Friele M, Jannes C, Woopen C (2018) Algorithmen in der digitalen Gesundheitsversorgung. Eine interdisziplinäre Analyse. Bertelsmann, Gütersloh
Riad MH, Sekamatte M, Ocom F et al (2019) Risk assessment of ebola virus disease spreading in uganda using a two-layer temporal network. Sci Rep. https://doi.org/10.1038/s41598-019-52501-1
doi: 10.1038/s41598-019-52501-1
pubmed: 31690844
pmcid: 6831630
Obermeyer Z, Powers B, Vogeli C et al (2019) Dissecting racial bias in an algorithm used to manage the health of populations. Science. https://doi.org/10.1126/science.aax2342
doi: 10.1126/science.aax2342
pubmed: 31649194
pmcid: 6557272
Schlomann A, Seifert A, Zank S, Woopen C, Rietz C (2019) Use of information and communication technology (ict) devices among the oldest-old: loneliness, anomie, and autonomy. Innovation in Aging. https://doi.org/10.1093/geroni/igz050
doi: 10.1093/geroni/igz050
Gohlke H (2007) Moderne Risikoanalyse bei intermediärem Risiko für kardiovaskuläre Ereignisse. Clin Res Cardiol Suppl. https://doi.org/10.1007/s11789-007-0021-9
doi: 10.1007/s11789-007-0021-9
Codella J, Partovian C, Chang HY, Chen CH (2018) Data quality challenges for person-generated health and wellness data. IBM J Res Devel. https://doi.org/10.1147/jrd.2017.2762218
doi: 10.1147/jrd.2017.2762218
Friedrich-Ebert-Stiftung (2019) Gefährdet die Nutzung von Gesundheits-Apps und Wearables die solidarische Krankenversicherung? Eine bevölkerungsrepräsentative Bestandsaufnahme der Solidaritätseinstellungen, S 21–23
Jentzsch N (2017) Die persönliche Datenökonomie: Plattformen, Datentresore und persönliche Clouds. Ökonomische Rahmenbedingungen innovativer Lösungen zu Einwilligungen im Datenschutz, S 31–32
Bieresborn D (2017) Sozialdatenschutz nach Inkrafttreten der EU-Datenschutzgrundverordnung – Verarbeiten von Sozialdaten, Reichweite von Einwilligungen, grenzüberschreitende Datenübermittlung und Auftragsverarbeitung. Neue Z Sozialr 24:926–933
Kircher P (2016) Der Schutz personenbezogener Gesundheitsdaten im Gesundheitswesen. Nomos, Baden-Baden
doi: 10.5771/9783845273686
Kingreen T, Kühling J (2015) Gesundheitsdatenschutzrecht. Nomos, Baden-Baden
doi: 10.5771/9783845257358
Frenzel M (2018) Kommentierung des Artikel 5 DSGVO. In: Paal B, Pauly D (Hrsg) Beck’sche Kompakt-Kommentare Datenschutz-Grundverordnung Bundesdatenschutzgesetz. C.H. Beck, München (Art. 5 DSGVO Rn. 32)
Roßnagel A (2019) Kommentierung des Artikel 5 DSGVO. In: Simitis S, Hornung G, Spiecker I (Hrsg) Datenschutzrecht DSGVO mit BDSG Großkommentar. Nomos, Baden-Baden
Schantz P (2019) Kommentierung des Artikel 5 DSGVO. In: Brink S, Wolff A (Hrsg) BeckOK Datenschutzrecht. C.H. Beck, München
Caspar J (2019) Kommentierung des Artikel 89 DSGVO. In: Simitis S, Hornung G, Spiecker I (Hrsg) Datenschutzrecht DSGVO mit BDSG Großkommentar. Nomos, Baden-Baden
Raum B (2018) Kommentierung des Artikel 89 DSGVO. In: Ehmann E, Selmayr M (Hrsg) Datenschutz-Grundverordnung: DS-GVO Kommentar. C.H. Beck, München (Art. 89 DSGVO Rn. 26)
Paal B, Pauly D (2018) Einleitung. In: Paal B, Pauly D (Hrsg) Beck’sche Kompakt-Kommentare Datenschutz-Grundverordnung Bundesdatenschutzgesetz. C.H. Beck, München (Einl. Rn. 10)
Colomer GA (2007) Schlussanträge EuGH Rs. C‑267/06. BeckRS 2007, 70624
Deutscher Bundestag (2019) Entwurf eines Gesetzes für eine bessere Versorgung durch Digitalisierung und Innovation. Digitale-Versorgung-Gesetz-Entwurf (Digitale-Versorgung-Gesetz – DVG). http://dip21.bundestag.de/dip21/btd/19/148/1914867.pdf . Zugegriffen: 2. Dez. 2019
Reuter M (2019) 7 Gründe, warum Spahns Gesundheitspläne für Patienten gefährlich sind. https://netzpolitik.org/2019/7-gruende-warum-spahns-gesundheitsplaene-fuer-patienten-gefaehrlich-sind/ . Zugegriffen: 3. Dez. 2019
Deutscher Bundesrat (2019) Stellungnahme – Entwurf eines Gesetzes für eine bessere Versorgung durch Digitalisierung und Innovation (Digitale-Versorgung-Gesetz – DVG) (Bundesrat Drucksache 360/19)
Simitis S, Hornung G, Spiecker I (2019) Einleitung. In: Simitis S, Hornung G, Spiecker I (Hrsg) Datenschutzrecht DSGVO mit BDSG Großkommentar. Nomos, Baden-Baden
Straker C (2019) Big Data und Arbeit. In: Hoeren T, Sieber U, Holznagel B (Hrsg) Handbuch Multimedia-Recht, Teil 15.6 Big Data und Arbeit Rn. 7