Advertisement

Digitalisierung in der Medizin: Im disruptiven Wandel wandelbar bleiben

  • Hagen PfundnerEmail author
Chapter

Zusammenfassung

Bildgebung, Histologie, Laborbefunde, Verschreibungen, Gensequenzierung und vieles mehr schaffen in der Onkologie eine Datenmenge, die alle Charakteristika von „Big Data“ erfüllt und immense Herausforderungen an ihre Nutzung und Verarbeitung stellt. Bis vor wenigen Jahren fehlten die technischen Möglichkeiten, um aus Volumen und Vielfalt dieser Daten klinisch relevante Informationen ziehen zu können. „Intelligente Digitalisierung“ ist aber Voraussetzung, um personalisierte Medizin breit nutzen zu können, in der Onkologie ebenso wie in anderen Krankheitsgebieten. Die intelligente Vernetzung von Informationen aus Diagnostik, Behandlungspraxis, zielgerichteten Arzneimitteln und Lebensstil verändert sowohl die medizinische Versorgung als auch die akademische und industrielle Forschung. – Dazu müssen wir selbst wandelbar bleiben und die dazu notwendigen Kompetenzen erwerben, um diesen Transformationsprozess mitgestalten und nutzen zu können. Strategische Kooperationen und Akquisitionen im Feld der Health-IT sind für die pharmazeutische Industrie von besonderer Bedeutung, um die Kernkompetenzen Pharma- und Diagnostik zu ergänzen.

Literatur

  1. Bianconi E et al (2013) An estimation of the number of cells in the human body. Ann Hum Biol 40:463–471CrossRefGoogle Scholar
  2. Cancer Gene Census (2018) Catalogue of somatic mutations in cancer. cancer.sanger.ac.uk/census. Zugegriffen: 23. März 2018
  3. Cancer Lane DP (1992) p53, guardian of the genome. Nature 358:15–16CrossRefGoogle Scholar
  4. Cattell J, Chilikuri S, Levy M (2013) How big data can revolutionize pharmaceutical R&D. McKinsey & Company 2013. www.mckinsey.com/industries/pharmaceuticals-and-medical-products/our-insights/how-big-data-can-revolutionize-pharmaceutical-r-and-d. Zugegriffen: 23. März 2018
  5. Chabner BA, Ellisen LW, Iafrate AJ (2013) Personalized medicine: hype or reality. Oncologist 18:640–643CrossRefGoogle Scholar
  6. de Unamuno B et al (2017) Towards personalized medicine in melanoma: implementation of a clinical next-generation sequencing panel. Sci Rep 7:495CrossRefGoogle Scholar
  7. Hanahan D, Weinberg RA (2000) The hallmarks of cancer. Cell 100:57–70CrossRefGoogle Scholar
  8. Hinkson IV et al (2017) A comprehensive infrastructure for big data in cancer research: accelerating cancer research and precision medicine. Front Cell Dev Biol 5:83CrossRefGoogle Scholar
  9. Holley RW (1965) Structure of a ribonucleic acid. Science 147:1462–1465CrossRefGoogle Scholar
  10. Hornberger J et al (2013) Cost-effectiveness of gene-expression profiling for tumor-site origin. Value Health 16:45–56Google Scholar
  11. Langkafel P (2014) Big Data in Medizin und Gesundheitswirtschaft. Diagnose, Therapie, Nebenwirkungen. Heidelberg, MedhochzweiGoogle Scholar
  12. Langreth R, Waldholz M (1999) New era of personalized medicine. Targeting drugs for each unique genetic profile. Oncologist 4:426–427PubMedGoogle Scholar
  13. Li Y et al (2015) Cost effectiveness of sequencing 34 cancer-associated genes as an aid for treatment selection in patients with metastatic melanoma. Mol Diagn Ther 19:169–177CrossRefGoogle Scholar
  14. May E et al (1990) Human breast cancer: identification of populations with a high risk of early relapse in relation to both oestrogen receptor status and c-erbB-2 overexpression. Br J Cancer 62:430–435CrossRefGoogle Scholar
  15. Mayer-Schönberg V, Cukier K (2013) Big Data: Die Revolution, die unser Leben verändert wird. Redline, MünchenGoogle Scholar
  16. Min Jou W et al (1972) Nucleotide sequence of the gene coding for the bacteriophage MS2 Coat Protein. Nature 237:82–88CrossRefGoogle Scholar
  17. Müller-Mielitz S, Lux T (2017) E-Health-Ökonomie. Springer, HeidelbergCrossRefGoogle Scholar
  18. Pfundner H (2009) Personalisierte Medizin als Innovationsstrategie der forschenden Pharmaindustrie für eine gesteigerte Effizient in der Behandlung von Krankheiten. Gesundheitssysteme im Wandel: 169–191Google Scholar
  19. Roche Pharma AG (Hrsg) (2018) Fachinformation Herceptin® 600 mg Injektionslösung, Stand: Oktober 2017, Zulassungsnummer EU/1/00/145/002. www.roche.de/dok/Herceptin-reg-600-mg-fachinfo-0-na-attach.pdf. Zugegriffen: 16. März 2018
  20. Roche Pharma AG (Hrsg) Fachinformation Tarceva® Filmtabletten, Stand: Dezember 2017, Zulassungsnummern: Tarceva 25 mg Filmtabletten EU/1/05/311/001, Tarceva 100 mg Filmtabletten EU/1/05/311/002, Tarceva 150 mg Filmtabletten EU/1/05/311/003. www.roche.de/dok/Tarceva-reg-Filmtabletten-fachinfo-0-na-attach.pdf. Zugegriffen: 16. März 2018
  21. Ross JS, Gay LM (2017) Comprehensive genomic sequencing and the molecular profiles of clinically advanced breast cancer. Pathology 49:120–132CrossRefGoogle Scholar
  22. Sanger F, Coulson AR (1975) A rapid method for determining sequences in DNA by primed synthesis with DNA polymerase. J Mol Biol 94:441–448CrossRefGoogle Scholar
  23. Sanger F, et al (1965) A two-dimensional fractionation procedure for radioactive nucleotides. J Mol Biol 13:373-IN4CrossRefGoogle Scholar
  24. Slamon DJ et al (1987) Human breast cancer: correlation of relapse and survival with amplification of the HER-2/neu oncogene. Science 235:177–182CrossRefGoogle Scholar
  25. Slamon DJ et al (2011) Use of chemotherapy plus a monoclonal antibody against HER2 for metastatic breast cancer that overexpresses HER2. N Engl J Med 344:783–792CrossRefGoogle Scholar
  26. Smith G et al (2002) Mutations in APC, Kirsten-ras, and p53–alternative genetic pathways to colorectal cancer. Proc Natl Acad Sci 99:9433–9438CrossRefGoogle Scholar
  27. Tsuda H et al (1989) Correlation between long-term survival in breast cancer patients and amplification of two putative oncogene-coamplification units: hst-1/int-2 and c-erbB-2/ear-1. Cancer Res 49:3104–3108PubMedGoogle Scholar
  28. Verband forschender Pharma-Unternehmen (Hrsg) In Deutschland zugelassene Arzneimittel für die Personalisierte Medizin. www.vfa.de/de/arzneimittel-forschung/datenbanken-zu-arzneimitteln/individualisierte-medizin.html. Zugegriffen: 23. März 2018
  29. Vogt PK (2012) Retroviral oncogenes: a historical primer. Nat Rev Cancer 12:639–648CrossRefGoogle Scholar
  30. Wright C et al (1989) Expression of c-erbB-2 oncoprotein: a prognostic indicator in human breast cancer. Cancer Research 49:2087–2090PubMedGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Roche Pharma AGGrenzach-WyhlenDeutschland

Personalised recommendations