数字化被寄予厚望，希望它能拯救医疗系统——但其益处、风险以及社会后果仍悬而未决。未来的方向究竟如何？数字解决方案的组合旨在在医疗系统改革中发挥核心作用。尽管期望很高，但现实显示，实施过程在实践中往往进展缓慢。数字化和人工智能——必须与真正的智能明确区分开来——并非自动成功，它们对患者、医疗服务提供者及其相互关系都有影响。以下是对五大发展趋势的分析。
1. 电子病历（ePA）：面向所有人的未来应用
大约在全量推广一年后，对全民电子病历（ePA）的反馈褒贬不一：一方面有报告称ePA在特定治疗案例中发挥了作用，例如用药记录得以可见。但总体而言，医疗服务提供者的抱怨占主导。可用性太低。医疗信息常常仍然缺失。这也是因为许多医院远未接入ePA。投保人的使用人数微不足道，因此许多用户仍在与电子病历作斗争。目前只有约5%的法定医疗保险成员具备通过ePA应用访问其数据的可能性。
在一份中期评估中，消费者保护机构认为患者获益不足，并呼吁优先考虑能带来真正附加值的元素，例如数字化疫苗接种证书。许多人甚至还不知道ePA已经存在，而且敏感医疗信息可以通过它被检索。德国艾滋病基金会已经收到患者报告，他们的HIV状况通过ePA被泄露，导致令人尴尬的询问和预约取消。
因此，现实表明初步的治疗获益来之不易，并非所有人能平等地受益于ePA，而政治层面已开始推进。当卫生部长尼娜·瓦肯在二月介绍医疗数字化战略更新时，ePA被置于叙述的核心：未来它应成为一款具有具体附加值的应用，包括数字初诊和预约挂号。这也旨在推高用户数量。根据战略，到2030年应达到2000万用户。
仍未解决的问题是：如果ePA要持续扩展成为面向一切的核心应用——那么对那些提出异议的投保人该如何处理？
2. 利用AI进行患者管理和系统接入
在讨论未来初级医疗系统时，政治层面大量涉及数字初诊。其目的是更好地管理人们如何进入医疗系统的正确环节。例如，应避免不必要的专家就诊。对于私立医疗保险而言，数据和AI也是更有效管理患者流动的关键。在幕后，围绕着技术基础应该是什么——以及谁负责实施——存在争论。这包括是采用基于规则的系统还是基于大语言模型的解决方案。在一份立场文件中，北莱茵-威斯特法伦州卫生部长卡尔-约瑟夫·劳曼描述了“理想情况”：“智能初诊软件”通过人工智能“补充”标准化系统。
劳曼特别提到了“结构性医疗初诊”（SmED）：患者在此输入症状，被询问症状的严重程度，通常还需回答更多健康问题——例如是否患有癌症。然后根据这些信息对紧急程度进行分类，从“休息几日”到建议前往急诊室。该决策基于过滤问题和算法，至少在用户输入相同的情况下是可复现的。然而，如果用户的主要关切是尽快获得专家预约并做出相应输入，那么这种系统在医学上究竟能有多大帮助仍待观察。为避免滥用，显然还计划对初诊进行记录。ePA也被考虑用于此目的，这又回到了未来如何处理ePA异议的问题上。
与此同时，人工智能在初诊中可能扮演的角色完全模糊不清。至少研究反复表明，语言模型在患者分诊中表现欠佳：明显的紧急情况远非总能被识别。结果高度依赖用户输入，因而不可复现。语言模型的反应好坏也至少取决于用户的数字和语言能力，因此可能加剧社会不平等。该系统是否真的能带来承诺的节省和系统减压，仍有待观察。其他工具，例如电话病假单（无需任何AI就能让急性感染患者远离拥挤的候诊室），在政治上却处于边缘地位。
3. 通过语音记录实现文档自动化
根据数字化战略，AI支持的文档应尽快进入诊室。到2028年，70%的机构应积极使用它。其理念是：诊室中的对话被录音，AI对对话进行总结、结构化，为医疗服务提供者省去手动记录。虽然至少语音识别和转录可以在本地托管模型上实现，但现实却可预见地走向了不同方向。德语地区的提供商，如Doctolib或Jameda，在其文档解决方案的隐私政策中已经引入了Gemini、OpenAI等。联邦卫生部对此并未排除，并向《南德意志报》专题解释优先目标是“及时”提供减压。这实际上意味着对美方提供商的数字依赖将进一步增加，包括在医疗领域。
理想情况下，投保人能因医疗服务提供者减少文书工作的分心而更专注于交谈而受益。但是，如果房间里有一个类似Alexa的装置，记录所有谈话内容并发送到云端，讨论敏感话题（如心理健康问题或性传播疾病）的门槛可能会升高。对于医生和治疗师而言，记录往往不仅仅是目的本身：它也可能是对病例的最后反思或有助于处理病例。自动化最终是否能带来更多患者时间，还是因为要在同样时间内治疗更多患者而导致更紧张的工作现实？人口结构变化和成本压力暗示着后者。
4. 治疗中的人工智能
文档自动化只是AI已进入护理领域的例子之一。其使用基于同意，而在实践中，这通常通过在首次就诊诊所时签署数据保护声明来处理。同时，患者越来越难以预见人工智能以何种形式被使用。对许多人来说，使用是涉及写医生信件、手术机器人还是放射科报告，在个人评估中会带来显著差异。但当患者必须决定某个机构或特定治疗时，他们究竟有多少选择？当法定医疗保险不覆盖该服务时，处理“AI”功能也可能具有挑战性。对于放射科报告，通过AI提供第二意见早已是许多诊所提供的自费项目的一部分。
然而，在大多数情况下费用覆盖仍在待定中，尽管由于机器学习系统在模式识别方面的优势，其对结果的评估明显优于纯粹的人类评估。因此，我们正走向一个医疗系统，其未来可能更取决于个人能负担什么。
5. 医疗中的自我责任与AI
当社交媒体和在线商店充斥着健康产品时，许多人越来越难以区分什么是合理的、什么不是；迷茫感在增加。更注重健康促进产品及预防措施将是明智的。面对海量的错误信息，健康素养比以往任何时候都更重要。而技术也应在此提供帮助。“未来，AI可以为公民提供个性化健康建议，”数字化战略中写道。AI支持的自我治疗旨在为系统减压。它应“作为常伴者加强自我负责的健康管理，并回答关于疾病的问题”。尽管这在个别案例中可能成功，且已有报告称语言模型帮助了难以诊断疾病的治疗，但完全清楚的是，仅靠技术和自我责任并不能作为普遍解决方案。因为语言模型是提供合理的健康建议还是将人引向完全错误的方向，再次取决于用户用来提示系统的输入。那些自身能力已较好的人受益最多。因此，考虑到社会不平等，大力扩展教育产品和结构性预防措施（超越个人健康决策）将更为重要。
数字发展需要更多社会支持
数字健康的发展是多方面的——并非所有都是好或坏。但是：医疗系统是一个社会系统，新技术对医疗服务提供者和患者都会产生不同且往往意想不到的影响。特别是在重大改革和技术调整时期，需要新的本地社会服务，以提供关于健康话题的导向和低门槛帮助。否则，所谓的“救星”人工智能有可能进一步加剧医疗中的社会不平等。
【全文结束】