Skip to main content

Digitale Transformation in der Urologie – Chance, Risiko oder Notwendigkeit?

Digital transformation in urology—opportunity, risk or necessity?

Der Urologe volume 60, pages 1125–1140 (2021)Cite this article

Zusammenfassung

Letztendlich ermöglichen neue (digitale) Techniken und KI-Anwendungen (künstliche Intelligenz) eine Veränderung des Arbeitsumfelds in der Urologie. Dies kann eine Chance zur Weiterentwicklung sein aber auch eine Veränderung bewirken, die nicht gewünscht ist. Möglicherweise sind Anpassungen der Arbeitsabläufe notwendig – sog. disruptive Prozesse führen zu grundlegenden Veränderungen. Im Rahmen der digitalen Transformation verändert sich unsere Art zu arbeiten. Klassische Hierarchien, Arbeitszeiten und Arbeitsumfelder lösen sich zugunsten kreativer und flexibler Arbeitsmodelle und Unternehmensstrukturen auf. Klinik und Praxis in der Urologie müssen sich auf veränderte Anforderungen vorbereiten und Antworten geben können.

Abstract

Ultimately, new (digital) techniques and artificial intelligence (AI) applications are changing the working environment in urology. This can be an opportunity for further development, but also a change which is not desired. Adjustments to work processes may be necessary. So-called disruptive processes lead to fundamental changes. In the context of the digital transformation, our way of working is changing. Classic hierarchies, working hours, and working environments are dissolving in favor of creative and flexible working models and corporate structures. Clinics and practices in urology must prepare themselves for changing requirements and be able to provide answers.

This is a preview of subscription content, access via your institution.

Access options

Buy single article

Instant access to the full article PDF.

USD 39.95

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5
Abb. 6
Abb. 7
Abb. 8
Abb. 9
Abb. 10
Abb. 11
Abb. 12

Notes

  1. Wortlaut des Krankenhauszukunftsgesetzes (KHZG) im Bundesgesetzblatt.

  2. Zertifizierungsrichtlinie der KBV.

  3. Europäische Datenschutz-Grundverordnung (DS-GVO) (PDF: 1,04 MB).

  4. Digitale-Versorgung-Gesetz.

  5. http://www.miccai.org/.

Literatur

  1. Kopp I (2019) Digitalisierung von Leitlinienwissen. Präsentation im Rahmen der Delegiertenkonferenz der AWMF am 09.11.2019. https://www.awmf.org/fileadmin/user_upload/Die_AWMF/Delegiertenkonferenz/DK-2019-11/TOP_10_20191109_AWMF-DelKonf_Digitalisierung_Kopp.pdf. Zugegriffen: 10. Jan. 2020. https://doi.org/10.1016/j.media.2017.07.005

  2. Loch T, Gettys T, Cochran JS, Fulgham PF, Bertermann H (1990) Computer-aided image-analysis in transrectal ultrasound of the prostate. World J Urol 8:150

    Article  Google Scholar 

  3. Loch T, Leuschner I, Genberg C, Weichert-Jacobsen K, Küppers F, Yfantis Y, Evans M, Tsarev V, Stöckle M (1999) Artificial neural network analysis (ANNA) of prostatic transrectal ultrasound. Prostate 39:198–204

    Article  CAS  Google Scholar 

  4. Loch T, Leuschner I, Genberg C, Weichert-Jacobsen K, Küppers F, Retz M, Lehmann J, Yfantis E, Evans M, Tsarev V, Stöckle M (2000) Weiterentwicklung des transrektalen Ultraschalls. Artifizielle neuronale Netzwerkanalyse (ANNA) in der Erkennung und Stadieneinteilung des Prostatakarzinoms. Urologe A 39(4):341–347

    Article  CAS  Google Scholar 

  5. Tokas T, Grabski B, Paul U, Bäurle L, Loch T (2018) A 12-year follow-up of ANNA/C-TRUS image-targeted biopsies in patients suspicious for prostate cancer. World J Urol 36(5):699–704

    Article  Google Scholar 

  6. Xie Y, Tokas T, Grabski B, Loch T (2018) Internal Fusion: exact correlation of transrectal ultrasound images of the prostate by detailed landmarks over time for targeted biopsies or follow-up. World J Urol 36(5):693–698

    Article  Google Scholar 

  7. Schreiber A, Hahn H, Wenzel M, Loch T (2020) Künstliche Intelligenz: Was müssen Urolog*innen wissen? Urologe A 59(9):1026–1034

    Article  CAS  Google Scholar 

  8. Rosenblatt F (1958) The perceptron: a probabilistic model for information storage and organization in the brain. Psychol Rev 65(1958):386–408

    Article  CAS  Google Scholar 

  9. Suarez-Ibarrola R, Hein S, Reis G, Gratzke C, Miernik A (2019) Current and future applications of machine and deep learning in urology: a review of the literature on urolithiasis, renal cell carcinoma, and bladder and prostate cancer. World J Urol. https://doi.org/10.1007/s00345-019-03000-5

    Article  PubMed  Google Scholar 

  10. Von Klot CJ, Kuczyk MA (2019) Künstliche Intelligenz und neuronale Netze in der Urologie. Urologe A 58(3):291–299

    Article  Google Scholar 

  11. Berlin A et al (2021) Implementation and outcomes of virtual care across a tertiary cancer center during COVID-19. JAMA Oncol 7(4):597–602. https://doi.org/10.1001/jamaoncol.2020.6982

    Article  PubMed  Google Scholar 

  12. Tan X, Reis G, Stricker D (2019) Convolutional recurrent neural network for bubble detection in a portable continuous bladder irrigation monitor. In: Riaño D, Wilk S, ten Teije A (Hrsg) Artificial intelligence in medicine Conference on Artificial Intelligence in Medicine (AIME-2019), Poznan, Poland, June 26–29 2019 Springer, Cham, S 57–66

    Chapter  Google Scholar 

  13. Videosprechstunde, Telemedizin KVBW Modellprojekt DocDirect: https://www.docdirekt.de/start/ueber-docdirekt Medgate: https://www.medgate.ch/en-us/about-us/about-medgate

  14. Hameed BMZ, Dhavileswarapu AVLS, Raza SZ, Karimi H, Khanuja HS, Shetty DK, Ibrahim S, Shah MJ, Naik N, Paul R, Rai BP, Somani BK (2021) Artificial intelligence and its impact on urological diseases and management: a comprehensive review of the literature. J Clin Med 10:1864. https://doi.org/10.3390/jcm10091864

    Article  PubMed  PubMed Central  Google Scholar 

  15. Shah M, Naik N, Somani BK, Hameed BMZ (2020) Artificial intelligence (AI) in urology – current use and future directions: an iTRUE study. Turk J Urol 46(Suppl 1):S27–S39. https://doi.org/10.5152/tud.2020.20117

    Article  PubMed  PubMed Central  Google Scholar 

  16. Nagpal K, Foote D, Tan F, Liu Y, Chen PC, Steiner DF, Manoj N, Olson N, Smith JL, Mohtashamian A, Peterson B, Amin MB, Evans AJ, Sweet JW, Cheung C, van der Kwast T, Sangoi AR, Zhou M, Allan R, Humphrey PA, Hipp JD, Gadepalli K, Corrado GS, Peng LH, Stumpe MC, Mermel CH (2020) Development and validation of a deep learning algorithm for Gleason grading of prostate cancer from biopsy specimens. JAMA Oncol 6(9):1372–1380. https://doi.org/10.1001/jamaoncol.2020.2485

    Article  PubMed  Google Scholar 

  17. Bundesministerium für Wirtschaft und Energie (2018) Monitoring Report Wirtschaft DIGITAL

    Google Scholar 

  18. Bundesministerium für Wirtschaft und Energie (2020) Digitalisierung der Wirtschaft in Deutschland: Digitalisierungsindex

    Google Scholar 

  19. Jiang F, Jiang Y, Zhi H et al (2017) Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol 2(4):230–243. https://doi.org/10.1136/svn-2017-000101

    Article  PubMed  PubMed Central  Google Scholar 

  20. BMI, Statistisches Bundesamt, McKinsey (2018) Digitalisierung im Gesundheitswesen: die Chancen für Deutschland – Analyse

    Google Scholar 

  21. Bundesministerium für Wirtschaft und Energie (2018) Digitalisierungsreport des Bundeswirtschaftsministriums von 2018

    Google Scholar 

  22. Chen J et al (2019) Current status of artificial intelligence applications in urology and their potential to influence clinical practice. BJU Int 124:567–577

    Article  Google Scholar 

  23. Arvaniti E, Fricker KS, Moret M et al (2018) Automated Gleason grading of prostate cancer tissue microarrays via deep learning. Sci Rep. https://doi.org/10.1038/s41598-018-30535-1

    Article  PubMed  PubMed Central  Google Scholar 

  24. Ström P et al (2020) Artificial intelligence for diagnosis and grading of prostate cancer in biopsies: a population-based, diagnostic study. Lancet Oncol 21(2):222–232. https://doi.org/10.1016/S1470-2045(19)30738-7

    Article  Google Scholar 

Download references

Danksagung

Wir danken den Mitgliedern des AK IT@DOC der DGU für den Input, und Frau PD Dr. med Angelika Borkowetz für die Daten der Umfrage zur Digitalisierung in der Urologie.

Förderung

Das Ministerium für Wirtschaft, Verkehr, Arbeit, Technologie und Tourismus des Landes Schleswig-Holstein hat die von uns eingesetzte Technologie der ANNA Technologies GmbH im Rahmen des Landesprogramms Wirtschaft aus GRW Mitteln nach Maßgabe der „Richtlinie für die Gewährung von Zuwendungen zur Förderung betrieblicher Forschung, Entwicklung und Innovation (BFEI-Richtlinie)“ eine Zuwendung als Zuschuss im Rahmen einer Projektförderung bewilligt.

Author information

Authors and Affiliations

  1. Klinik für Urologie, DIAKO Krankenhaus gGmbH, Akademisches Lehrkrankenhaus der Christian-Albrechts-Universität zu Kiel, Knuthstr. 1, 24939, Flensburg, Deutschland

    T. Loch

  2. Klinik für Urologie und Kinderurologie, Krankenhaus Nordwest GmbH, Stiftung Hospital zum Heiligen Geist, Frankfurt/Main, Deutschland

    U. Witzsch

  3. Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), Kaiserslautern, Deutschland

    G. Reis

Authors
  1. T. Loch
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. U. Witzsch
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. G. Reis
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to T. Loch.

Ethics declarations

Interessenkonflikt

G. Reis und U. Witzsch geben an, dass kein Interessenkonflikt besteht. T. Loch ist Erfinder der Methode und Teilhaber der ANNA Technologies/Deutschland GmbH.

Für diesen Beitrag wurden von den Autoren keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.

Additional information

figure qr

QR-Code scannen & Beitrag online lesen

Supplementary Information

Rights and permissions

Reprints and Permissions

About this article

Verify currency and authenticity via CrossMark

Cite this article

Loch, T., Witzsch, U. & Reis, G. Digitale Transformation in der Urologie – Chance, Risiko oder Notwendigkeit?. Urologe 60, 1125–1140 (2021). https://doi.org/10.1007/s00120-021-01610-9

Download citation

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00120-021-01610-9

Schlüsselwörter

  • Künstliche Intelligenz
  • Telemedizin
  • Gesundheitswesen
  • Datensicherheit
  • Präzisionsmedizin

Keywords

  • Artificial intelligence
  • Telemedicine
  • Healthcare
  • Data security
  • Precision medicine