Digitale Daten für eine effizientere Prävention: Ethische und rechtliche Überlegungen zu Potenzialen und Risiken

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. 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.

[1]  Geza Benke,et al.  Artificial Intelligence and Big Data in Public Health , 2018, International journal of environmental research and public health.

[2]  J. Marc Overhage,et al.  Going Digital: A Survey on Digitalization and Large-Scale Data Analytics in Healthcare , 2016, Proceedings of the IEEE.

[3]  R. Gordon An operational classification of disease prevention. , 1983, Public health reports.

[4]  Gordon Rs,et al.  An operational classification of disease prevention. , 1983 .

[5]  J. Albrecht,et al.  Datenschutzrecht DSGVO mit BDSG , 2019 .

[6]  I. Barnett,et al.  Ethics, Transparency, and Public Health at the Intersection of Innovation and Facebook's Suicide Prevention Efforts , 2019, Annals of Internal Medicine.

[7]  Ching-Hua Chen,et al.  Data quality challenges for person-generated health and wellness data , 2018, IBM J. Res. Dev..

[8]  Mahbubul H. Riad,et al.  Risk assessment of Ebola virus disease spreading in Uganda using a two-layer temporal network , 2019, Scientific Reports.

[9]  M. García-Closas,et al.  BOADICEA: a comprehensive breast cancer risk prediction model incorporating genetic and nongenetic risk factors , 2019, Genetics in Medicine.

[10]  Constitution of the World Health Organization. , 1946, American journal of public health and the nation's health.

[11]  Brian W. Powers,et al.  Dissecting racial bias in an algorithm used to manage the health of populations , 2019, Science.

[12]  A. Seifert,et al.  Use of Information and Communication Technology (ICT) Devices Among the Oldest-Old: Loneliness, Anomie, and Autonomy , 2020, Innovation in aging.

[13]  Thomas Ploug,et al.  Meta Consent – A Flexible Solution to the Problem of Secondary Use of Health Data , 2016, Bioethics.

[14]  G. Antes Ist das Zeitalter der Kausalität vorbei , 2016 .

[15]  H. Gohlke Moderne Risikoanalyse bei intermediärem Risiko für kardiovaskuläre Ereignisse , 2007 .

[16]  Jan Steinhaußen Gesundheitsförderung und Krankheitsprävention , 2018, Alternde Gesellschaften gerecht gestalten.

[17]  Shaoyang Ning,et al.  Accurate regional influenza epidemics tracking using Internet search data , 2019, Scientific Reports.