Skip to main content
SpringerLink
Log in

Digitalisierung in der Urologie – Herausforderung und Chance

Digitalization in urology—challenge and opportunity

  • Leitthema
  • Published:
Die Urologie Aims and scope Submit manuscript

A Publisher Erratum to this article was published on 29 August 2023

This article has been updated

Zusammenfassung

Die Digitalisierung in der Medizin schreitet weiter voran. In Deutschland besteht aber immer noch eine gewisse Zurückhaltung in der Umsetzung. Arbeitsabläufe sollten durch die Digitalisierung unterstützt und sicherer werden. Die Möglichkeiten der KI-Anwendungen (künstliche Intelligenz) halten Einzug in die Medizin. Ob dies eine Erleichterung, Präzisierung und Individualisierung der Patientenbehandlung mit sich bringt, muss die Zukunft zeigen. Die Urologie muss sich den neuen Anforderungen stellen. Dies kann am besten durch Beteiligung an der Entwicklung erfolgen.

Abstract

Digitalization is changing medicine. In Germany these changes are not highly accepted yet. Medical pathways should be supported and become safer by digital transformation. Furthermore, artificial intelligence (AI) applications are increasingly used in medicine. Only time will tell whether these will decrease the workload and make patient treatment easier, while increasing precision and individualization.. Urology must accept the upcoming new challenges. This can best be done by participating in the development.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

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

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5
Abb. 6
Abb. 7
Abb. 8

Change history

Literatur

  1. Lau T (2023) Digitalisierung: Lauterbachs Turboschub. Dtsch Ärztebl 120(11):A-459–B-395

    Google Scholar 

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

    Google Scholar 

  3. Witzsch U, Borkowetz A (2023) Die digitale Patientenakte im Krankenhaus. Uro-News 27:44–49

    Article  Google Scholar 

  4. DAK (2021) 3. Digitalisierungsreport: Digitale Gesundheitslösungen: Skepsis von Ärztinnen und Ärzten überwinden. https://www.dak.de/dak/download/praesentation-2524764.pdf. Zugegriffen: 12. Feb. 2023

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

    Google Scholar 

  6. Wolf T, Strohschen J‑H (2018) Digitalisierung: Definition und Reife. Inform Spektrum 41(1):56–64

    Article  Google Scholar 

  7. Verhoef PC et al (2021) Digital transformation: A multidisciplinary reflection and research agenda. J Bus Res 122:889–901

    Article  Google Scholar 

  8. Grzanna M (2018) Alles schon digital? https://www.sueddeutsche.de/wirtschaft/digitalisierung-alles-schon-digital-1.3983161 (Erstellt: 17. Mai 2018). Zugegriffen: 15. Mai 2023

  9. Pilz S et al (2013) Qualitätsmanager 2.0 im Krankenhaus. Z Evid Fortbild Qual Gesundhwes 107(2):P170–178

    Article  Google Scholar 

  10. Bundesgesundheitsministerium https://www.bundesgesundheitsministerium.de/themen/digitalisierung/digitalisierungsstrategie.html. Zugegriffen: 3. Mai 2023

  11. Aerzteblatt https://www.aerzteblatt.de/nachrichten/141583/Lauterbach-will-Durchbruch-bei-elektronischer-Patientenakte-und-E-Rezept-erzwingen. Zugegriffen: 3. Mai 2023

  12. Aerzteblatt https://www.aerzteblatt.de/nachrichten/141734/Kelber-Opt-out-Loesung-bei-elektronischer-Patientenakte-umsetzbar. Zugegriffen: 3. Mai 2023

  13. Borkowetz A et al (2022) Acceptance and status of digitalization in clinics and practices: Current assessment in German urology. Urologie 61(12):1365–1372

    Article  PubMed  PubMed Central  Google Scholar 

  14. Haserück A (2022) Digitalisierung: Ärzteschaft sieht mehrheitlich vor allem Chancen. Dtsch Ärzteblatt 42(119):A-1778/B-1486

    Google Scholar 

  15. Dick H et al (2021) Current developments on digitalization : Analysis of quality and economics in healthcare. Urologe A 60(9):1141

    Article  CAS  PubMed  PubMed Central  Google Scholar 

  16. Gesundheit Bf (2021) E‑Health-Gesetz

    Google Scholar 

  17. Ärzteblatt (2023) https://www.aerzteblatt.de/nachrichten/141775/Mehrwert-der-Digitalisierung-statt-Datenskandale-in-den-Vordergrund-stellen. Zugegriffen: 3. Mai 2023

  18. Vossen D et al (2023) Akzeptanz der Videosprechstunde unter Patienten/innen mit entzündlich rheumatischen Erkrankungen ist geschlechts und ortsabhängig – Ergebnisse einer Online-Umfrage unter Patienten/innen und Ärzten/innen. Z Rheumatol 82:108–113

    Article  PubMed  Google Scholar 

  19. Deutsch Ärztebl (2023) Videosprechstunden: Psychotherapeuten treiben Nutzung voran (28. April 2023)

    Google Scholar 

  20. Videosprechstunde, Telemedizin KVBW Modellprojekt DocDirect. https://www.medgate.ch/en-us/about-us/about-medgate. Zugegriffen: 30. Mai 2023

  21. Deutsch Ärztebl (2023) Telemedizinische Betreuung von Pflegeheimbewohnern bewährt sich (6. April 2023)

    Google Scholar 

  22. Deutsch Ärztebl (2023) Ärztekammer will Grenzen für telemedizinische Versorgung (25. April 2023)

    Google Scholar 

  23. Lau T (2023) Telemedizin: Der Notdienst im Smartphone. Dtsch Ärztebl 120(5):A-182–B-162

    Google Scholar 

  24. European Data Protection Supervisor Digital therapeutics (DTx). https://edps.europa.eu/press-publications/publications/techsonar/digital-therapeutics-dtx_en. Zugegriffen: 13. März 2023

  25. European Commission Medical Device Regulation (MDR). Regulation (EU) 2017/745 of the European Parliament and of the Council of 5 April 2017 on medical devices. https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:32017R0745. Zugegriffen: 26. März 2023 (amending Directive 2001/83/EC, Regulation (EC) No 178/2002 and Regulation (EC) No 1223/2009 and repealing Council Directives 90/385/EEC and 93/42/EEC)

  26. Bundesanzeiger Gesetz für eine bessere Versorgung durch Digitalisierung und Innovation (Digitale-Versorgung-Gesetz – DVG). https://www.bgbl.de/xaver/bgbl/start.xav?startbk=Bundesanzeiger_BGBl&jumpTo=bgbl119s2562.pdf#__bgbl__%2F%2F*%5B%40attr_id%3D%27bgbl119s2562.pdf%27%5D__1627129159319. Zugegriffen: 24. Juli 2021

  27. Bundesinstitut für Arzneimittel und Medizinprodukte Für DiGA-Hersteller. https://diga.bfarm.de/de/diga-hersteller. Zugegriffen: 29. Apr. 2023

  28. Rodler S et al (2021) Patients’ perspective on digital technologies in advanced genitourinary cancers. Clin Genitourin Cancer 19:76–82.e6

    Article  PubMed  Google Scholar 

  29. Bundesinstitut für Arzneimittel und Medizinprodukte Für Leistungserbringer. https://diga.bfarm.de/de/leistungserbringer. Zugegriffen: 24. Juli 2021

  30. Bundesministerium für Arzneimittel und Medizinprodukte Kranus Edera. https://diga.bfarm.de/de/verzeichnis/01282. Zugegriffen: 29. Apr. 2023

  31. Bundesministerium für Arzneimittel und Medizinprodukte Mika. https://diga.bfarm.de/de/verzeichnis/00875. Zugegriffen: 29. Apr. 2023

  32. Hameed BMZ et al (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 

  33. Shah M et al (2020) Artificial intelligence (AI) in urology-current use and future directions: An iTRUE study. Turk J Urol 46(Supp. 1):S27–S39. https://doi.org/10.5152/tud.2020.20117

    Article  PubMed  PubMed Central  Google Scholar 

  34. Loch T et al (1990) Computer-aided image-analysis in transrectal ultrasound of the prostate. World J Urol 8:150

    Article  Google Scholar 

  35. Loch T et al (1999) Artificial neural network analysis (ANNA) of prostatic transrectal ultrasound. Prostate 39:198–204

    Article  CAS  PubMed  Google Scholar 

  36. Loch T et al (2000) Weiterentwicklung des transrektalen Ultraschalls. Artifizielle neuronale Netzwerkanalyse (ANNA) in der Erkennung und Stadieneinteilung des Prostatakarzinoms [Improvement of transrectal ultrasound. Artificial neural network analysis (ANNA) in detection and staging of prostatic carcinoma]. Urologe A 39(4):341–347

    Article  CAS  PubMed  Google Scholar 

  37. Loch T, Witzsch U, Reis G (2021) Digitale Transformation in der Urologie – Chance, Risiko oder Notwendigkeit? Urologe 60:1125–1140

    Article  CAS  Google Scholar 

  38. Schreiber A et al (2020) Künstliche Intelligenz: Was müssen Urolog*innen wissen? [Artificial intelligence: What do urologists need to know?]. Urologe A 59(9):1026–1034

    Article  CAS  PubMed  Google Scholar 

  39. Suarez-Ibarrola R et al (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 

  40. Von Klot CJ, Kuczyk MA (2019) Künstliche Intelligenz und neuronale Netze in der Urologie [Artificial intelligence and neural networks in urology]. Urologe A 58(3):291–299

    Article  PubMed  Google Scholar 

  41. Arvaniti E, Fricker KS, Moret M et al (2018) Automated Gleason grading of prostate cancer tissue microarrays via deep learning. Sci Rep 8:12054. https://doi.org/10.1038/s41598-018-30535-1

    Article  CAS  PubMed  PubMed Central  Google Scholar 

  42. 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 

  43. Nagpal K et al (2020) Development and validation of a deep learning algorithm for gleason grading of prostate cancer from biopsy specimens. JAMA Oncol 6(9):1–9. https://doi.org/10.1001/jamaoncol.2020.2485

    Article  PubMed Central  Google Scholar 

  44. Faiella E et al (2022) Quantib prostate compared to an expert radiologist for the diagnosis of prostate cancer on mpMRI: a single-center preliminary study. Tomography 8:2010–2019

    Article  PubMed  PubMed Central  Google Scholar 

  45. Schelb P et al (2019) Classification of cancer at prostate MRI: deep learning versus clinical PI-RADS assessment. Radiology. https://doi.org/10.1148/radiol.2019190938

    Article  PubMed  Google Scholar 

  46. Oerther B et al (2023) Prediction of upgrade to clinically significant prostate cancer in patients under active surveillance: Performance of a fully automated AI-algorithm for lesion detection and classification. Prostate 83:871–878

    Article  PubMed  Google Scholar 

  47. Tokas T et al (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  PubMed  Google Scholar 

  48. Xie Y et al (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  PubMed  Google Scholar 

  49. Lorusso V et al (2023) External validation of the computerized analysis of TRUS of the prostate with the ANNA/C-TRUS system: a potential role of artificial intelligence for improving prostate cancer detection. World J Urol 41(3):619–625. https://doi.org/10.1007/s00345-022-03965-w

    Article  PubMed  Google Scholar 

  50. Wang X et al (2023) A prospective multi-center randomized comparative trial evaluating outcomes of transrectal ultrasound (TRUS)-guided 12-core systematic biopsy, mpMRI-targeted 12-core biopsy, and artificial intelligence ultrasound of prostate (AIUSP) 6‑core targeted biopsy for prostate cancer diagnosis. World J Urol 41(3):653–662

    Article  PubMed  Google Scholar 

  51. Paffenholz P et al (2018) Testicular cancer on the web-an appropriate source of patient information in concordance with the European Association of Urology guidelines? J Cancer Educ 33:1314–1322

    Article  PubMed  Google Scholar 

  52. Salem J et al (2019) Websites on bladder cancer: an appropriate source of patient information? J Cancer Educ 34:381–387

    Article  PubMed  Google Scholar 

  53. Lee P, Bubeck S, Petro J (2023) Benefits, limits, and risks of GPT‑4 as an AI chatbot for medicine. N Engl J Med 388:1233–1239

    Article  PubMed  Google Scholar 

  54. JAMA Internal Medicine, JAMA Network Comparing physician and artificial intelligence chatbot responses to patient questions posted to a public social media forum | health informatics. https://jamanetwork.com/journals/jamainternalmedicine/article-abstract/2804309. Zugegriffen: 21. Mai 2023

  55. Ayers JW, Poliak A, Dredze M et al (2023) Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum. JAMA Intern Med 183(6):589–596. https://doi.org/10.1001/jamainternmed.2023.1838

    Article  PubMed  Google Scholar 

  56. Liu NF, Zhang T, Liang P (2023) Evaluating verifiability in generative search engines https://doi.org/10.48550/arXiv.2304.09848

    Book  Google Scholar 

  57. Singhal K et al (2023) Towards expert-level medical question answering with large language models https://doi.org/10.48550/arXiv.2305.09617

    Book  Google Scholar 

  58. (2023) GeneGPT Augmenting large language models with domain tools for improved access to biomedical information (2304.09667)

  59. Kopp I Digitalisierung von Leitlinienwissen. Präsentation im Rahmen der Delegiertenkonferenz der AWMF am 09.11.2019. https://www.awmf.org/fileadmin/user_upload/Die_AWMF/. Zugegriffen: 29. Apr. 2023

  60. Delegiertenkonferenz/DK-2019-11/TOP_10_20191109_AWMF-DelKonf_Digitalisierung_Kopp.pdf.org. Zugegriffen: 29. Apr. 2023. https://doi.org/10.1016/j.media.2017.07.005

Download references

Author information

Authors and Affiliations

  1. Urologische Privatpraxis, Prof. Much Str. 2, 65812, Bad Soden, Deutschland

    Ulrich K. Fr. Witzsch

  2. Klinik und Poliklinik für Urologie Universitätsklinikum Carl Gustav Carus, Technischen Universität Dresden, Dresden, Deutschland

    Angelika Borkowetz

  3. Klinik für Urologie und Kinderurologie, Universitätsklinikum Brandenburg an der Havel, Brandenburg an der Havel, Deutschland

    Thomas Enzmann & Hendrik Borgmann

  4. Urologische Klinik und Poliklinik, Klinikum der Universität München, Campus Großhadern, Universität München, München, Deutschland

    Severin Rodler

  5. Urologie Paracelsus Klinik Golzheim, Düsseldorf, Deutschland

    Sami-Ramzi Leyh-Bannurah

  6. Urologische Klinik, DIAKO Krankenhaus gGmbH, Flensburg, Deutschland

    Tillmann Loch

  7. Stabsstelle Qualitätsmanagement und klinisches Risikomanagement, Universitätsklinikum Essen, Essen, Deutschland

    Oliver Steidle

Authors
  1. Ulrich K. Fr. Witzsch
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Angelika Borkowetz
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Thomas Enzmann
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Severin Rodler
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. Sami-Ramzi Leyh-Bannurah
    View author publications

    You can also search for this author in PubMed Google Scholar

  6. Tillmann Loch
    View author publications

    You can also search for this author in PubMed Google Scholar

  7. Hendrik Borgmann
    View author publications

    You can also search for this author in PubMed Google Scholar

  8. Oliver Steidle
    View author publications

    You can also search for this author in PubMed Google Scholar

Consortia

AK Informationstechnologie und Dokumentation (IT@DOC) (DGU), AK Versorgungsforschung, Qualität und Ökonomie (DGU)

AK Informationstechnologie und Dokumentation (IT@DOC) (DGU)

AK Versorgungsforschung, Qualität und Ökonomie (DGU)

AK Bildgebende Systeme (DGU), Sektion Urologie (DEGUM)

Corresponding author

Correspondence to Ulrich K. Fr. Witzsch.

Ethics declarations

Interessenkonflikt

S. Rodler führt Beratertätigkeit/Vortragstätigkeit für MSD, Merck und Novartis durch und hält Anteile an der Firma Rocketlane Medical Ventures GmbH. T. Loch ist Erfinder der ANNA Methode und Teilhaber der ANNA Technologies/Deutschland GmbH. U. K. F. Witzsch, A. Borkowetz, T. Enzmann, S.‑R. Leyh-Bannurah, H. Borgmann und O. Steidle geben an, dass kein Interessenkonflikt besteht.

Für diesen Beitrag wurden von den Autor/-innen 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

Die Originalversion dieses Beitrags wurde korrigiert: Leider wurde in der zunächst veröffentlichten Online Version des Artikels aufgrund eines Fehlers in den verlagsinternen Abläufen ein Teil der Interessenkonflikte nicht korrekt wiedergegeben. In der ersten Version wurde außerdem der Name des Autors Tillmann Loch falsch geschrieben.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

AK Informationstechnologie und Dokumentation (IT@DOC) (DGU), AK Versorgungsforschung, Qualität und Ökonomie (DGU)., AK Informationstechnologie und Dokumentation (IT@DOC) (DGU)., AK Versorgungsforschung, Qualität und Ökonomie (DGU). et al. Digitalisierung in der Urologie – Herausforderung und Chance. Urologie 62, 913–928 (2023). https://doi.org/10.1007/s00120-023-02154-w

Download citation

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00120-023-02154-w

Schlüsselwörter

Keywords

Search

Navigation