Laut Pew Research Center nutzen mehr als ein Drittel der Amerikaner das Internet, wenn sie glauben, dass sie ein Gesundheitsproblem haben. Ihre Suchergebnisse werden jedoch nicht immer mit einem Arztbesuch verfolgt. Online-Selbstdiagnose wird zur Routine für Internetnutzer, die sich der großen Menge verfügbarer Online-Gesundheitsressourcen zunehmend bewusst sind und sich in Kontrolle über ihren Körper und ihr Wohlbefinden fühlen wollen.
Anstatt auf einen Termin zu warten, ihre Symptome mit einem Arzt zu besprechen und gelegentlich weitere diagnostische Tests zu erbitten, führen potenzielle Patienten nun umfangreiche Internet-Recherchen durch und stellen verschiedene Diagnosen mit ihren Symptomen in Verbindung, bis sie diejenige gefunden haben, die am besten passt .
Das Internet macht gesundheitsbezogene Informationen nahezu universell zugänglich. Es hilft Menschen über ihre Gesundheit aufzuklären und ermöglicht ihnen, fundierte Entscheidungen über ihre Behandlungsmöglichkeiten zu treffen. Es gibt Beispiele von Menschen, die sich nach Jahren der Fehldiagnose korrekt diagnostizieren. Ein aktuelles Beispiel ist die unglückliche Geschichte von Bronte Doyne. Bronte wurde von ihren Ärzten gesagt, sie sollten aufhören, sich selbst zu diagnostizieren, und schließlich an einem Zustand sterben, den sie identifiziert hatte, aber ein Zustand, der von den behandelnden Ärzten unbemerkt blieb, bis es zu spät war.
Auf der anderen Seite endet das Googeln Ihrer medizinischen Symptome nicht notwendigerweise in einer Lösung und kann in vielen Fällen unnötige Ängste hervorrufen, die ehemalige Hypochonder zu heutigen Cyberchondrias machen.
Einige können sogar süchtig danach, ständig nach Gesundheitsinformationen online zu suchen, sich selbst zu untersuchen und nach Beruhigung zu suchen, sowie anspruchsvolle Tests und Screenings, die möglicherweise nicht angemessen sind.
Eskalation harmloser Symptome
Häufige Symptome können bei einigen Benutzern dazu führen, dass sie sich mit seltenen und ernsten Zuständen befassen, die während ihrer Online-Suche auftraten.
Eine groß angelegte Umfrage aus dem Jahr 2008 hat gezeigt, dass Web-Suchmaschinen das Potenzial haben, medizinische Anliegen von Menschen, die wenig oder keine medizinische Ausbildung haben, zu eskalieren. Die Studie zeigte, dass die Eskalation durch die Menge und Verteilung der von den Benutzern gesehenen medizinischen Inhalte, die Verwendung alarmierender Terminologie auf den besuchten Websites und die Veranlagung der Person, Angst zu bekommen, beeinflusst wurde. Im Gegensatz dazu gibt es einige Menschen, die sich selbst richtig diagnostizieren können, insbesondere wenn das, was sie gerade erleben, sehr spezifisch und atypisch ist. Zum Beispiel, in Fällen wie Bronte, kann ein Ausreißer manchmal ignoriert oder übersehen werden und von der medizinischen Mannschaft als eine allgemeine medizinische Bedingung behandelt werden, wenn es nicht ist.
Gesundheitsinformationen, die online gefunden werden, sind jedoch oft falsch oder unvollständig. Bei der Bewertung von 23 Symptom-Checkern für ihre diagnostische und Triage-Genauigkeit fanden Forscher der Harvard Medical School einige besorgniserregende Defizite. Nur ein Drittel (34 Prozent) schaffte es, die Diagnose beim ersten Mal richtig zu stellen, und etwas mehr als die Hälfte (57 Prozent) gaben korrekte Triage-Tipps (z. B. empfohlene emergente oder nicht-emergente Behandlung). Laut Mathew Chung von der School of Medicine der Universität von South Carolina bietet das Internet oft Empfehlungen, die nicht unbedingt mit dem aktuellen medizinischen Rat übereinstimmen.
Chung hat Online-Empfehlungen für sicheren Kinderschlaf studiert. Er stellte fest, dass von den 1.300 Websites weniger als die Hälfte (43,5 Prozent) genaue Informationen zu diesem Gesundheitsthema lieferte.
Wie kann man Online-Symptom-Checker verbessern?
Wenn Millionen von Benutzern online nach Gesundheitsinformationen suchen, entsteht ein großer Datenpool. Forscher greifen nun auf diese Datensätze zu, um Vorhersagealgorithmen zu testen, die Online-Symptom-Checker besser machen könnten. Die neuesten Entwicklungen im maschinellen Lernen unterstützen ihre Bemühungen, Muster in der Online-Suche zu finden und einen Zustand früher zu diagnostizieren. Der Doktorand John Paparrizos arbeitete mit Eric Horvitz und Ryen White, den Autoren des 2008 veröffentlichten Berichts über Cyberchondria, zusammen, um einen Algorithmus zu entwickeln, der Personen identifizieren könnte, die kürzlich an Bauchspeicheldrüsenkrebs erkrankt waren, indem sie ihre früheren Online-Durchsuchungen betrachteten.
Ihre Studie zeigte, dass eine ernsthafte Diagnose möglicherweise durch die Untersuchung der Online-Abfragen einer Person vorhergesagt werden könnte. Mit einem verbesserten System von Online-Tools können Patienten erkannt werden, bevor es zu spät ist, sie zu behandeln.
Vermeidung von Diagnosefehlern
Klinische Entscheidungsunterstützungssysteme (Clinical Decision Support Systems, CDSS) sind interaktive Anwendungen, mit denen Mitarbeiter im Gesundheitswesen jetzt evidenzbasierte Entscheidungen treffen und sogar Behandlungsergebnisse vorhersagen können. Teilweise eine Antwort auf die Kritik, dass Ärzte häufig falsch diagnostizieren, über- oder unterbewerten und / oder nicht auf andere medizinische Fachgebiete verweisen, gelten CDSSs als eine wichtige Form künstlicher Intelligenz in der Medizin und es wird erwartet, dass sie noch effizienter und lebensfähiger werden Wir treten voll in die digitale Revolution im Gesundheitswesen ein.
CDSSs werden zunehmend in Triage, Screening, Risikobewertung, Diagnose, Behandlungsbewertung und Überwachung eingesetzt. CDSSs können auch mit Patientendaten aus elektronischen Patientenakten verknüpft werden.
Die bevorzugten CDSS-Modelle basieren auf mehreren Datenquellen wie genetische, klinische und soziodemografische Informationen. CDSSs sind ein Teil der sogenannten "personalisierten Medizin" -Bewegung, die nicht auf der Bevölkerung basiert, sondern sich auf Pharmakologie und auf ein Individuum zugeschnittene Interventionen konzentriert. Eine Studie unter der Leitung von Dr. Peter Elkin, Leiter des Zentrums für biomedizinische Informatik des Mount Sinai, schlug vor, dass CDSS den Umfang der Differentialdiagnose erweitern könnten, was die richtige Diagnose wahrscheinlicher machen, Krankenhausaufenthalte verkürzen, Leben retten und beiden einen wirtschaftlichen Wert bieten würde an den Patienten und den Anbieter.
Die Verbreitung von CDSS ist in der Routine noch nicht weit verbreitet, aber viele Experten sind der Meinung, dass solche Instrumente dazu beitragen könnten, Idiosynkrasien zu überwinden, die heute in der Gesundheitsversorgung existieren. Auch der Wert von CDSS wird zunehmend in Kombination mit elektronischen Gesundheitsakten (Electronic Health Records, EHR) erkannt. Diese Art von Gesundheitstechnologie könnte die Lücke zwischen Theorie und Praxis schließen, die oft den Diagnoseprozess beeinflusst und Patienten unzufrieden macht. Patienten und Kliniker müssen sich mit den Möglichkeiten vertraut machen, die uns die Gesundheitstechnologie bietet, und dabei die inhärenten Herausforderungen, die mit technologischen Störungen einhergehen, nicht aus den Augen verlieren. Mit der Weiterentwicklung dieser Instrumente hoffen die Nutzer, dass sie besser in der Lage sind, gesündere und fundiertere Entscheidungen über ihre eigenen Behandlungs- und Behandlungsmöglichkeiten zu treffen.
Chung, M., Oden, R.P., Joyner, B.L., Sims, A. & Moon, R. Y. (2012). Originalartikel: Safe Infant Sleep Empfehlungen im Internet: Lassen Sie uns Google es. Das Journal of Pediatrics, 161: 1080-1084
Elkin P, Liebow M, Barnett G, et al. Die Einführung eines Diagnoseentscheidungs-Unterstützungssystems (DXplain TM) in den Arbeitsablauf eines Lehrkrankenhausdienstes kann die Servicekosten für diagnostisch herausfordernde diagnostische Gruppen (Diagnostic Related Groups, DRGs) senken. Internationale Zeitschrift für Medizinische Informatik, 2010; 79 (11): 772-777
Paparrizos J, White R, Horvitz E. Screening auf Adenokarzinom des Pankreas unter Verwendung von Signalen aus Internetsuchprotokollen: Machbarkeitsstudie und Ergebnisse. Journal of Oncology Praxis, 2016; 12 (8): 737-744
White R, Horvitz E. Cyberchondria Studien über die Eskalation von medizinischen Bedenken in der Web-Suche. ACM-Transaktionen auf Informationssysteme, 2009; (4): 23
Semigran H, Mehrotra A, Linder J, Gidengil C. Evaluation von Symptom-Checkern für Selbstdiagnose und Triage: Audit-Studie, 2015; 351
