Skip to content

GCRI · Health Nexus

Risiken digitaler Gesundheit

Gesundheit Systeme hängen heute von digitaler Infrastruktur für Patientenakten, Laborergebnisse, Bildgebung, Verschreibung, Lieferlogistik und Überwachung ab, zunehmend auch von Algorithmen, die klinische und gesundheitspolitische Entscheidungen unterstützen. Diese Abhängigkeiten bringen eigene Ausfallmodi mit sich: Ausfälle, Cyberangriffe, Datenpannen und Modelle, die ungleichmäßig arbeiten oder driften. Diese Seite legt dar, wie sich digitales Risiko im Gesundheitswesen entwickelt, wie es gemessen wird und wozu die Evidenz denjenigen dient, die Gesundheitsdaten und Technologie steuern.

01Registrieren

Digitale Gesundheitsrisiken dokumentiert.

02Die Frage

Digital health risk: how the risk develops.

Daten, KI-Sicherheit und digitale Infrastruktur. Das nachstehende Dossier legt dar, wie sich das Risiko entwickelt, was gemessen wird, woher die Daten stammen, wie modelliert wird und wer entscheidet.

Mechanismus

Ausfälle unterbrechen die klinische Arbeit

Fallen elektronische Akten, Laborsysteme Systeme Bildarchive aus, läuft die Versorgung nur dann auf Papier weiter, wenn Ausfallverfahren geübt wurden. Gemeinsame Zulieferer und Cloud-Dienste führen dazu, dass ein einzelner Ausfall viele Krankenhäuser gleichzeitig treffen kann.

Mechanismus

Ransomware zielt auf die Geschäftskontinuität

Attackers encrypt systems and exfiltrate data because health providers cannot tolerate downtime. Diverted ambulances, delayed diagnostics and cancelled procedures follow, and full recovery can take weeks.

Mechanismus

Data harms persist

Eine Datenpanne im Gesundheitswesen legt sensible Informationen offen, die sich nicht widerrufen lassen. Schwache Einwilligung, Re-Identifizierung geteilter Datensätze und Zweitnutzung über den ursprünglichen Zweck hinaus untergraben das Vertrauen und damit die Bereitschaft, Daten in einem Notfall zu teilen.

Mechanismus

Algorithmen versagen ungleich

Klinische und gesundheitswissenschaftliche Modelle, die mit nicht repräsentativen Daten trainiert wurden, können für einige Gruppen schlechter abschneiden und sich verschlechtern, wenn sich Praxis, Bevölkerung oder Datensysteme ändern. Ohne Überwachung nach der Einführung bleiben Drift und Verzerrung unbemerkt.

03Geografie

Umweltexposition in Afrika.

Population density, daytime surface heat and night lights over Africa, from NASA GIBS. Each layer carries its own date.

Die interaktive Karte benötigt JavaScript; die Ebenenliste und die Quellen finden Sie unten.

Ebenen 3

Umweltexposition für diese Seite

Über diese Ebene
Evidenz
Geschätzt
Quelle
Gridded Population of the World v4.11 (NASA SEDAC (CIESIN, Columbia University))
Anbieter
NASA SEDAC (CIESIN, Columbia University)
Lizenz
CC BY 4.0
Jahrgang
null; Zensusbasierte Schätzung, statisch (2020)
Auflösung
Raster von etwa 1 km
Unsicherheit
Auf Volkszählungen beruhende Schätzung der Einwohner je Quadratkilometer im Jahr 2020, dargestellt als Expositionskontext; keine Zählung der von einer Gefahr betroffenen Menschen.
Erreichbar über
Datenrelais dieser Website, von gibs.earthdata.nasa.gov
Über diese Ebene
Evidenz
Beobachtet (anhaltende Bewölkung hinterlässt weiterhin Lücken)
Quelle
VIIRS NOAA-20 Stufe 3, 8 Tage (NASA LANCE)
Anbieter
NASA LANCE
Lizenz
Offene Daten der NASA
Jahrgang
8 Tage; Satelliten-Komposit über 8 Tage; anhaltende Bewölkung hinterlässt weiterhin Lücken
Neueste beim Build
2026-09-14
Auflösung
Raster von etwa 1 km
Unsicherheit
Hauttemperatur des Bodens aus Satellitendaten über die 8 Tage bis zum angezeigten Datum, ein Indikator für Hitzeexposition; keine Lufttemperatur, kein Hitzeindex und keine Hitzewarnung.
Erreichbar über
Datenrelais dieser Website, von gibs.earthdata.nasa.gov
Über diese Ebene
Evidenz
Beobachtet
Quelle
VIIRS Black Marble (VNP46A2) (NASA LAADS DAAC)
Anbieter
NASA LAADS DAAC
Lizenz
Offene Daten der NASA
Jahrgang
täglich; Satellitenstrahldichte, korrigiert um Mondlicht und Atmosphäre
Neueste beim Build
2026-10-12
Auflösung
Raster von etwa 500 m
Unsicherheit
Nächtliche Strahldichte aus Satellitendaten für das angezeigte Datum; Lichter sind ein Näherungswert für Stromverbrauch und Ausfälle, keine Messung von Versorgung oder Zugang.
Erreichbar über
Datenrelais dieser Website, von gibs.earthdata.nasa.gov
Über diese Ebene
Evidenz
Beobachtet
Quelle
VIIRS NOAA-20, korrigierte Reflexion (NASA LANCE)
Anbieter
NASA LANCE
Lizenz
Offene Daten der NASA
Jahrgang
täglich; Satellitenbild
Neueste beim Build
2026-10-14
Auflösung
Raster von etwa 250 m
Unsicherheit
Satellitenbild. Satelliten- oder Modellraster, wie der Anbieter es veröffentlicht. Wolken, Streifenlücken und Ableitungsfehler hinterlassen Lücken und Rauschen; die Werte sind Indikatoren, keine Messungen an einem Ort.
Erreichbar über
Datenrelais dieser Website, von gibs.earthdata.nasa.gov
Über diese Ebene
Evidenz
Beobachtet (Wolken hinterlassen Lücken)
Quelle
VIIRS NOAA-20 Deep Blue AOD (NASA LANCE)
Anbieter
NASA LANCE
Lizenz
Offene Daten der NASA
Jahrgang
täglich; Satellitenableitung; Wolken hinterlassen Lücken
Neueste beim Build
2026-10-14
Auflösung
Raster von etwa 2 km
Unsicherheit
Satellitenmessung von Dunst, Rauch und Staub über die gesamte Luftsäule am angezeigten Tag; ein Expositionsindikator, kein bodennahes PM2.5, kein Luftqualitätsindex und keine Gesundheitswarnung.
Erreichbar über
Datenrelais dieser Website, von gibs.earthdata.nasa.gov
Über diese Ebene
Evidenz
Modelliert (jüngstes Jahr, das GIBS veröffentlicht)
Quelle
MODIS Terra und Aqua, Landbedeckung (MCD12Q1) (NASA LP DAAC)
Anbieter
NASA LP DAAC
Lizenz
Offene Daten der NASA
Jahrgang
jährlich; Satellitenklassifikation; jüngstes Jahr, das GIBS veröffentlicht
Neueste beim Build
2024-01-01
Auflösung
Raster von etwa 500 m
Unsicherheit
Satellitengestützte Landbedeckungsklassen für das angezeigte Jahr, einschließlich Ackerland; eine Klassifikation mit bekannten Fehlern, kein Betriebsregister.
Erreichbar über
Datenrelais dieser Website, von gibs.earthdata.nasa.gov

Zuletzt verfügbar

NASA GIBS / EOSDIS · ASTER GDEM (METI, NASA) · Blue Marble (NASA) · © OpenStreetMap-Mitwirkende (ODbL) · Natural Earth

Die neuesten NASA-Bilder werden geladen.

Zum Verschieben ziehen. Zum Zoomen Strg oder ⌘ gedrückt halten und scrollen, die Zwei-Finger-Geste oder die Schaltflächen verwenden; für die Werte unter dem Zeiger darüberfahren; Zurücksetzen kehrt zur Region zurück.

Umweltexposition, mit Fokus auf Afrika.Satelliten- und Modellprodukte, wie die NASA sie veröffentlicht, jeweils mit eigenem Datum. Sie sind Indikatoren, keine Bewertungen eines Ortes.

Data: NASA GIBS · ASTER GDEM · Blue Marble · © OpenStreetMap contributors · Natural Earth · NASA EONET · NASA JPL OPERA DIST-ALERTSources and licences

  • We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). NASA open data
  • We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). NASA open data
  • Center for International Earth Science Information Network (CIESIN), Columbia University. 2018. Gridded Population of the World, Version 4 (GPWv4): Population Density, Revision 11. NASA Socioeconomic Data and Applications Center (SEDAC). Licensed under CC BY 4.0. Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). doi:10.7927/H49C6VHW. CC BY 4.0
  • VIIRS-Produkte nahezu in Echtzeit (Hochwasser, Landoberflächentemperatur, Schneebedeckung, korrigierte Reflektanz), NASA LANCE; Bilder über NASA GIBS. Farben nach der veröffentlichten Farbskala neu gezeichnet; Werte, wo gezeigt, in Sechseckzellen gemittelt (verändert). Offene Daten der NASA
  • Nächtliche Lichter VIIRS Black Marble, NASA Goddard Space Flight Center; bereitgestellt vom NASA Level-1 and Atmosphere Archive and Distribution System (LAADS DAAC); Bilder über NASA GIBS. Farben nach der veröffentlichten Farbskala neu gezeichnet; Werte, wo gezeigt, in Sechseckzellen gemittelt (verändert). Offene Daten der NASA
  • MODIS- und VIIRS-Atmosphärenprodukte, NASA LANCE und LAADS DAAC; Bilddaten über NASA GIBS. Farben nach der veröffentlichten Farbskala neu gezeichnet; Werte, wo gezeigt, in Sechseckzellen gemittelt (verändert). Offene Daten der NASA
  • MODIS-Landprodukte (Vegetationsindizes, Bruttoprimärproduktion, Landbedeckung), NASA LP DAAC und LANCE; Bilder über NASA GIBS. Farben nach der veröffentlichten Farbskala neu gezeichnet; Werte, wo gezeigt, in Sechseckzellen gemittelt (verändert). Offene Daten der NASA
  • ASTER GDEM ist ein Produkt von METI und NASA (ASTER Global Digital Elevation Model V003, NASA LP DAAC); Bilder über NASA GIBS. Farben nach der veröffentlichten Farbskala neu gezeichnet; Werte, wo gezeigt, in Sechseckzellen gemittelt (verändert). Zitieren als: NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team (2019). ASTER Global Digital Elevation Model V003. doi:10.5067/ASTER/ASTGTM.003. Offene Daten der NASA
  • Erstellt mit Natural Earth. Freie Vektor- und Rasterkartendaten @ naturalearthdata.com. Gemeinfrei
  • © OpenStreetMap contributors (ODbL), via NASA GIBS (coastlines, boundaries, roads and place names). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). ODbL
  • Blue Marble, NASA Earth Observatory; Bilder über NASA GIBS. Farben nach der veröffentlichten Farbskala neu gezeichnet; Werte, wo gezeigt, in Sechseckzellen gemittelt (verändert). Offene Daten der NASA
  • Kontext auf Globus und flacher Karte: Küstenlinien, Grenzen, Straßen und Ortsnamen aus den Referenzebenen von NASA GIBS (OpenStreetMap-Daten, ODbL, © OpenStreetMap contributors); Blue-Marble-Bilddaten als optionale Basis; 3D-Gelände und Höhenanzeige aus dem Höhenfarbindex des ASTER GDEM (Klassen von 5 m bis 200 m, zur besseren Lesbarkeit überhöht). Grenzen werden wie veröffentlicht dargestellt und beziehen keine Position zu einem Gebiet.
  • Live-Ereignisse: NASA Earth Observatory Natural Event Tracker (EONET). Die Ereignisse sind indikativ und behalten ihre ursprünglichen Quellenlinks.
  • Live: Die NASA-EONET-Ereignisse sind Anhaltspunkte, keine behördlichen Warnungen.
  • Observed (EO): NASA JPL OPERA DIST-ALERT (contains modified Copernicus Sentinel data 2026). We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
  • NASA GIBS: Wir danken für die Nutzung von Bildmaterial, das von den Diensten der Global Imagery Browse Services (GIBS) der NASA bereitgestellt wird, die Teil des Earth Science Data and Information System (ESDIS) der NASA sind.
  • Luftqualitätsvorhersage, 5 Tage, PM2.5 (CAMS über Open-Meteo): enthält veränderte Informationen des Copernicus Atmosphere Monitoring Service 2026.
  • Vergangenes Jahr, Tagestemperatur (ERA5 über Open-Meteo): enthält veränderte Informationen des Copernicus Climate Change Service 2026.
  • Wetterdaten von Open-Meteo.com (https://open-meteo.com/), lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
  • Optionale Ebenen (14 Quellen in der Ebenenliste: live, Vorhersage, beobachtet und Kontext) zeigen beim Einschalten den Quellenvermerk ihres Anbieters auf der Karte und hier; Vorhersagen sind Modellausgaben, abgeleitete Indizes sind Schätzungen.

Ebenen und Daten

  • Population density, 2020: Population: CIESIN, Columbia University, Gridded Population of the World v4.11 (2018), NASA SEDAC, CC BY 4.0 · static
  • Landoberflächentemperatur, Tag, 8-Tage-Komposit: VIIRS NOAA-20 Level 3, 8 Tage, NASA LANCE · 14. Sept. 2026
  • Nachtlichter, täglich: VIIRS Black Marble (VNP46A2), NASA LAADS DAAC · 12. Okt. 2026
  • Echtfarbe: VIIRS NOAA-20 korrigierte Reflektanz, NASA LANCE · 13. Okt. 2026
  • Aerosol-Optische-Dicke, täglich: VIIRS NOAA-20 Deep Blue AOD, NASA LANCE · 13. Okt. 2026
  • Landbedeckungstyp (IGBP), jährlich: MODIS Terra and Aqua land cover (MCD12Q1), NASA LP DAAC · 2024

04Kopplungen

Digitale Gesundheit hängt von Energie, Netzen und Vertrauen ab.

DomäneWie es hier koppeltWorauf zu achten ist
EnergieOhne Strom und Konnektivität fallen Patientenakten, Bildgebung und Telemedizin aus.Ausfallverfahren und ihre Übung
WasserRansomware hat Krankenhäuser und Versorgungsunternehmen gleichermaßen lahmgelegt, daher sind gemeinsame Zulieferer von Bedeutung.Shared software suppliers across sectors
ErnährungErnährungs- und Versorgungsdaten laufen in einigen Programmen auf denselben Plattformen wie klinische Systeme .Plattformkonzentration
BiodiversitätGenomdaten und biologische Proben werfen Fragen der Vorteilsteilung auf.Vereinbarungen zur Datengovernance

WHO’s Global strategy on digital health 2020–2025 and its guidance on the ethics and governance of AI for health (2021, with guidance on large multi-modal models in 2024) set the policy frame. ENISA’s threat landscape for the health sector (2023) found ransomware the leading threat to European health organisations in its reporting period.

05Monitoring

Kontinuität der Gesundheitsversorgung mit Gütern.

Die Ansicht, die ein Team nutzen würde, um dieses Thema zu verfolgen: seine Messgrößen, Zustände und Entscheidungen. Namen sind Beispiele, Werte sind illustrativ.

Kontinuität der Gesundheitsversorgung

Digital health risk · Province B · Month 6

Stock-out risk in 3 districtsGCRI · Health Nexus

Tracer-Rohstoffe

Orale Rehydratationssalze2.135Niedrig
Erstlinien-Antibiotikum1.51114Niedrig
Insulin2113Angemessen
Diagnostische Schnelltests0.8136Critical

Bestellung im Transit

Reihenfolge
PO-44118
Pfad
Vom Einfuhrhafen zum zentralen Lager
ETA
12 days
Kühlkette
Überwacht

Einrichtungen ohne Vorräte nach Distrikt

Health supply continuity: the screen’s structure, terms and states for Digital health risk.Example names and illustrative values; a design, not a record or a live system.
06Berichte, Standards und Beiträge

Evidenz zur digitalen Gesundheit.

Studies of digital dependence in health are designed for the Exponential Technology series; AI tools studied would carry NS-12 cards under the proposed Nexus Standards. The Global Centre for Risk and Innovation (GCRI) responds to no incidents. Useful contributions: downtime experiences and evaluations of clinical AI on local populations.

07Zwillings- und Kaskadensimulator

Model digital health risk as a system. Run the cascade.

Assembled from the Nexus Standards area profile Health security and One Health: the hazards it names, the systems and sectors that carry the loss, the controls that dampen it and the data that observe it. Choose the components, pick an initiating hazard and step through the cascade. The Map view places the run on an example geography with open data. Every coupling weight is a stated assumption you can change. A teaching model, not a forecast, an assessment or a certification. To model a place of your own choosing, open the full System Builder.

Gefahren

Steuerung

  • NS-0 Verfassung und Grundsätze
  • NS-3 UNIs für Risikodatensätze (Grammatik, Altbestands-Crosswalk, Zuteilungsstelle)
  • NS-9 Kontextuelle UNIs (Bereitstellungen, Instanzen, Programminstanzen)
  • NS-10 Richtlinien und Klauseln (maschinenlesbare Verpflichtungen: Definition, Bindung, Evaluierung und Durchsetzung)
  • NS-11 Verifikation und Überwachung (Evidenz, Bescheinigungen, Beobachtung der Zero-Trust-Konformität)
  • NRS-H83 Gefahrenfamilie: Kapazitätsversagen des Gesundheitssystems (NHS-1 health.system)
  • NRS-H42 Gefahrenfamilie: seltene und anhaltende Infektionen beim Menschen (NHS-1 health.other-human)
  • NRS-H41 Gefahrenfamilie: Übertragung vom Tier auf den Menschen (NHS-1 health.zoonotic)
  • NRS-H43 Gefahrenfamilie: Tierseuchen bei Nutztieren und Aquakultur (NHS-1 health.animal-health)
  • NRS-D3 Humanitäre Hilfe und resilienter Wiederaufbau
  • NRS-H46 Gefahrenfamilie: Umwelt- und Produktschäden für Menschen (NHS-1 health.harm)

Beobachtung

  • WHO Disease Outbreak News (listed for reference)
  • WAHIS animal health events (listed for reference)
  • WorldPop gridded population (listed for reference)
  • International Health Regulations capacity and health emergency preparedness
  • Percentage of bloodstream infections due to selected antimicrobial-resistant organisms

Beispielgeografie

  • West Africa: 59 hexagonal cells
  • Nachtlichter heute Nacht, Ausfälle (VIIRS Day/Night Band), NASA GIBS
  • Oberflächenwasser durch Wolken, 30 m (Radar OPERA DSWx-S1), NASA GIBS
  • Niederschlagsrate, letzte halbe Stunde (IMERG), NASA GIBS
08Indikatoren

Was gemessen wird und wie gut.

Jeder Indikator trägt seine Einheit, seinen Rhythmus, die Art der zugrunde liegenden Quelle und die Evidenzkennzeichnung, die ein Wert tragen würde. Es werden keine Werte gezeigt: Ein Programm liefert sie unter seiner eigenen Autorität.

IndikatorEinheitTaktQuellentypKennzeichnung
Gemeldete Verletzungen des Schutzes von GesundheitsdatenVorfälle; betroffene DatensätzemonatlichRegister für Meldungen aufsichtsrechtlicher VerstößeVeröffentlichte Statistiken
Ransomware incidents affecting health providersVorfällevierteljährlichBedrohungsberichte und Vorfallsmeldungen aus SektorenBERICHTET
Ungeplante Ausfallzeiten klinischer SystemeStundenmonatlichIT-Dienstprotokolle von KrankenhäusernBEOBACHTET
Bekannte ausgenutzte Schwachstellen in Gesundheitstechnologieopen vulnerabilities on deployed assetswöchentlichVulnerability catalogues matched to asset inventoriesBEOBACHTET
Nutzung vereinbarter AustauschstandardsProzent der registrierten SystemejährlichRegister nationaler digitaler GesundheitsarchitekturenBERICHTET
Adverse event reports for AI-enabled devicesberichtevierteljährlichDatenbanken für unerwünschte Ereignisse bei MedizinproduktenBERICHTET
Reifegrad der digitalen Gesundheitphase across the monitor’s indicatorsperiodischSelbstbewertung des Global Digital Health MonitorDEKLARIERT
09Methoden und Evidenz

How digital health risk is modelled, measured and tested.

Das Modell, seine Annahmen, seine Daten und seine Unsicherheit in der Form, in der eine Wissenschaftlerin oder ein Ingenieur sie prüfen würde. Die Strukturen folgen veröffentlichten Methoden. Die dargestellten Werte sind illustrativ, keine Befunde.

Systemmodell

Die Kopplungen zwischen den Systemen im Risiko der digitalen Gesundheit: Einflussvorzeichen, eine verstärkende und eine ausgleichende Schleife sowie Querverbindungen, an denen die Belastung sprunghaft ansteigt.

++−GesundheitGemeinschaftenWirtschaftR verstärkendB ausgleichend
Causal loop diagram from the page’s systems; signs show the direction of influence. Illustrative structure for a system dynamics or network model, not estimated couplings.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
10Quellen

Woher die Evidenz stammt.

Benannte öffentliche Datensätze und institutionelle Aufzeichnungen, jeweils mit ihrer Lizenzklasse. Quellen auf Vereinbarungsbasis werden nur zu ihren Bedingungen genutzt und niemals weiterveröffentlicht.

QuelleWas es liefertLizenzklasse
Global Digital Health MonitorCountry digital health maturity across governance, workforce, standards and infrastructureOpen, attribution, terms of use
US HHS Office for Civil Rights breach portalÖffentliche Aufzeichnungen gemeldeter Verletzungen des Schutzes von GesundheitsdatenÖffentliche Aufzeichnungen
ENISA-Bedrohungslage für den GesundheitssektorAnalyse von Cybervorfällen bei europäischen GesundheitsorganisationenÖffentlicher Bericht, Nutzungsbedingungen der ENISA
CISA Known Exploited Vulnerabilities CatalogSchwachstellen mit Nachweis aktiver AusnutzungGemeinfrei
US FDA MAUDE und die Liste KI-gestützter MedizinprodukteBerichte über unerwünschte Ereignisse bei Geräten und zugelassene KI-gestützte GeräteGemeinfrei
AI Incident DatabaseDokumentierte Vorfälle mit KI- Systeme, einschließlich GesundheitOffen, Namensnennung
11Entscheidungen

Wer entscheidet und wozu die Evidenz dient.

Health Nexus bereitet Evidenz auf. Die nachstehenden Entscheidungen treffen die genannten Behörden nach ihren eigenen Regeln, niemals die Plattform.

Wer entscheidetDie FrageEvidenz, der diese Seite dient
Krankenhausleitungen und Chief Information OfficersWelche Systeme benötigen Offline-Rückfallebenen, Netzwerksegmentierung oder redundante LieferantenDependency maps; downtime scenarios with their clinical consequences stated
DatenschutzbehördenWhether health data sharing and secondary use meet legal and consent requirementsData flow inventories; re-identification risk assessments
Medical device regulatorsOb ein KI-gestütztes Gerät weitere Evidenz, Einschränkungen oder eine Studie nach dem Inverkehrbringen benötigtPerformance by subgroup; drift monitoring; adverse event reports
Gesundheitsministerien und Agenturen für digitale GesundheitWelche Standards und Architekturen nationale Systeme übernehmen müssenEvidenz zu Interoperabilität und Reifegrad; Anforderungen an die Kontinuität

Ergebnisse, die dieses Thema hervorbringt

  • Karten digitaler Abhängigkeiten von klinischen Systemen, Laborsystemen und Versorgungssystemen
  • Downtime and cyber incident scenarios for continuity planning
  • Evidenz zu Daten-Governance und Interoperabilität, gelesen anhand benannter Standards
  • Konzepte zur Überwachung von Gesundheitsalgorithmen nach der Einführung
12Kernfragen

Was Fachleute fragen.

Das Risiko digitaler Gesundheit ist ebenso sehr eine Frage der Patientensicherheit wie eine technische Frage.

  • Which clinical services stop or slow when a core system is unavailable?
  • Wie stark sind Gesundheitsorganisationen Ransomware und anderen Cybervorfällen ausgesetzt, und wie erholen sie sich?
  • Wie schneiden KI-Werkzeuge, die in Diagnose oder Triage eingesetzt werden, über verschiedene Bevölkerungsgruppen hinweg ab, und wie wird das überwacht?
  • Who can access health data, under what safeguards, and with what public trust?
  • Wie abhängig ist die Versorgung von einer kleinen Zahl von Software- und Cloud-Anbietern?
13Mechanismen

Mechanismen und Treiber.

Gesundheitseinrichtungen betreiben viele vernetzte Systeme, darunter oft Altsoftware und Medizinprodukte, die sich nur schwer aktualisieren lassen. Ein Cybervorfall oder ein größerer Ausfall kann ein Krankenhaus zu Papierverfahren zwingen, Befunde verzögern, Rettungswagen umleiten und Behandlungen absagen lassen. Die Wiederherstellung kann Wochen dauern, da Systeme neu aufgebaut und überprüft werden müssen.

KI-Werkzeuge lernen aus historischen Daten und können für Gruppen, die in diesen Daten unterrepräsentiert sind, schlechter abschneiden oder an Qualität verlieren, wenn sich die klinische Praxis oder die Ausstattung ändert. Die Konzentration auf wenige Anbieter und Cloud-Plattformen schafft gemeinsame Ausfallpunkte für viele Organisationen zugleich.

14Methoden und Daten

Wie es untersucht wird und wo die Methoden enden.

Methode oder DatenWas es zeigtGrenzen
Incident analysis and after-action reviewsWie sich Ausfälle und Angriffe auf die Versorgung auswirktenViele Vorfälle werden nicht gemeldet oder ohne klinische Details gemeldet
Abbildung von Abhängigkeiten und WiederherstellungszeitenWelche Systeme welche Leistungen stützenRequires internal information that organisations hold closely
Bewertung und Überwachung klinischer KIGenauigkeit, Kalibrierung und Fairness über Gruppen hinwegDie Leistung kann nach der Einführung abdriften
Überprüfung von Datenschutz und GovernanceOb die Datennutzung rechtlichen und ethischen Standards entsprichtDie Regeln unterscheiden sich je nach Rechtsordnung und ändern sich im Lauf der Zeit
15Methoden

Wie es untersucht wird und was die Methoden nicht sagen können.

  1. Datentechnik, Interoperabilität und DatenverantwortungVerknüpfung von Gesundheitsinformationssystemen · Datenschutzwahrende VeröffentlichungHier angewandt
  2. Wahrscheinlichkeit und StatistikGewichtete und kleinräumige Schätzung · Erwartete Referenzwerte für ÜbersterblichkeitHier angewandt
  3. Kausale Inferenz und WirkungsevaluationEvaluierung von Maßnahmen der öffentlichen Gesundheit · Expositions-Wirkungs-Beziehungen für Hitze und LuftHier angewandt
  4. Komplexe Systeme und agentenbasierte ModellierungKontakt- und Mobilitätsnetzwerke · Kaskaden über Gesundheit und InfrastrukturHier angewandt
17Fragen

Fragen und Antworten.

Warum sind Krankenhäuser häufig Ziel von Ransomware?
Weil sie sensible Daten halten, viele vernetzte und teils veraltete Systeme betreiben und Ausfallzeiten nicht tolerieren können. Dieser Druck, den Dienst schnell wiederherzustellen, wird von Angreifern ausgenutzt.
Was bedeutet Interoperabilität im Gesundheitswesen?
Die Fähigkeit verschiedener Systeme, Daten auszutauschen und mit gemeinsamer Bedeutung zu nutzen, durch gemeinsame Standards für die Struktur, etwa HL7 FHIR, und für die Terminologie, etwa ICD-11 und SNOMED CT.
How is the safety of a clinical AI model checked?
Durch Evaluation an repräsentativen Daten vor dem Einsatz, regulatorische Prüfung, wenn das Modell ein Medizinprodukt ist, und Überwachung nach dem Einsatz auf Drift und ungleiche Leistung. Genauigkeit vor dem Einsatz allein genügt nicht.
Warum sind Cybervorfälle im Gesundheitswesen so bedeutsam?
Weil sie Diagnose und Behandlung unmittelbar verzögern können. Anders als viele andere Sektoren kann das Gesundheitswesen seine Leistungen nicht einfach unterbrechen, während Systeme wiederhergestellt werden.
Does Health Nexus test medical AI products?
No. It publishes research on evaluation methods and failure modes. It does not test, certify or approve products.
Where can I report a security vulnerability on this site?
Schreiben an das Formular für Sicherheitsmeldungen. Dieser Weg betrifft nur die Website, nicht die Gesundheitssysteme Dritter.
BerichteBeitragen

Evidenz von dieser Seite aus beitragen.

Reports ist die vierteljährliche Publikation des Konsortiums. Was Sie über dieses Thema wissen, kann in der nächsten Ausgabe zu Evidenz, einem Fall oder einer Korrektur werden, Ihnen zugeschrieben und unter CC BY 4.0 veröffentlicht, soweit es Ihr eigenes Werk ist.

GCRIHealth NexusGlobal Sector Risk and ResilienceCountry Systems Risk and ResilienceEvidence Brief
Health Nexus

Bringen Sie eine Methode, einen Datensatz oder eine Frage mit.

Information und Anfragen sind heute offen. Eine Anfrage erhält ein Aktenzeichen und nennt den nächsten Schritt; Bewerbungen, Zahlungen, Rechenzuteilungen und Registrierungen öffnen erst, wenn Team, Bedingungen und Prüfkapazität bestehen.