Blutwerte, Medikamentenpläne oder Hirnscans – täglich landen Millionen Patienteninformationen in den Computern von Arztpraxen und Kliniken. Die Digitalisierung führt zu gigantischen Datenmengen, auch Big Data genannt. Wichtig ist deshalb, sie nicht nur zu sammeln, sondern die Vorteile optimal zu nutzen. Erst so können Medizin, Forschung, Krankenhausmanagement, Industrie und am Ende die Patienten optimalen Nutzen daraus ziehen.
Wearables, Smart Watches oder Blutdruck-App im Handy: Die technischen Arzthelfer liefern nahezu alle relevanten Vitaldaten ihrer Besitzer. Die Geräte zeichnen auf Wunsch Cholesterin- und Blutdruckwerte auf, messen den Puls oder analysieren Atemrhythmus und Schlafphasen. Alles Daten, die einem Arzt für die Diagnose einer Erkrankung helfen können, die den Patienten aber auch durchsichtiger machen.
„Big Data“ revolutioniert die Medizin: Die Datenberge sollen schon bald dabei helfen, Patienten gezieltere Behandlungen zukommen zu lassen. Hinter dem Schlagwort versteckt sich vor allem Fleißarbeit und künstliche Intelligenz – um die Muster in Daten zu entdecken, die bisher nicht aufgefallen sind oder die das menschliche Gehirn einfach nicht erkennt. Für den Medizinbereich schlummert hier enormes Potenzial.
Noch liegen die meisten Patientendaten, die in den medizinischen Einrichtungen anfallen, ungenutzt und in heterogener Form brach. Ein Mensch kann wenig mit diesen Datenbergen anfangen. Für Computer sind Big Data aber begehrter Rohstoff, den sie ohne Probleme ordnen, miteinander kombinieren und analysierbar machen. Aber: Wenn ausreichend Daten vorliegen, können die Rechner Krankheiten teilweise bereits erkennen, bevor sie auftreten. Dafür analysieren sie Muster und Zusammenhänge in großen Patientendatensätzen und werten diese aus.
Vorteile und Risiken von Big Data in der Medizin
Es wäre also theoretisch möglich, die Auslöser einer Krankheit zu entdecken, indem man umfangreiche Daten von tausenden Patienten vergleicht, so die Hoffnung der Mediziner. Dafür müssen die Daten aber erst einmal zugänglich gemacht werden. Dann könnten leistungsstarke Rechner die riesigen Mengen an Patientenakten, Fachartikeln, Protokollen oder ähnliches durchforsten und den Fortschritt in der Medizin beschleunigen.
Diese Vorteile könnte Big Data der Medizin bringen:
- Zusammenhänge bei der Prävention von Krankheiten würden schneller erkannt.
- Erkrankungen könnten früher diagnostiziert werden.
- Programme könnten evidenzbasierte Diagnosen und Therapien vorschlagen.
- Patienten würden schneller behandelt.
- Unnötige Behandlungen und Untersuchungen könnten reduziert werden.
- Kliniken, Ärzte und das gesamte Gesundheitswesen könnten Kosten sparen.
Doch überall, wo Daten gespeichert werden, wo mit Daten gearbeitet wird, lauern auch Risiken. Ärzte warnen davor, allein auf die Auswertung eines Computers zu vertrauen. Zum einen ist ein Patient nicht nur eine statistische Wahrscheinlichkeit, sondern ein Mensch, der ein menschliches Urteil verdient. Zum anderen zielen die Rechenprogramme – anders als klinische Studien – nicht direkt auf die Testung von Hypothesen über Ursache-Wirkung-Beziehungen, sondern decken lediglich Korrelationen zwischen Datensätzen auf. Um Wirksamkeit und Nutzen einer Behandlung wirklich belegen zu können, braucht man aber kausale Zusammenhänge.
Sicherheitsrisiko Datenschutz
Und neben vielen Unwägbarkeiten ist für die Erfassung großer Datenmengen natürlich auch die Sicherheit der Daten wichtig sowie der Datenschutz. Jeder, der Daten erhebt, muss gewährleisten, dass sie nicht missbraucht werden. Sie dürfen also weder gewerblich genutzt noch unerlaubt weitergegeben werden. Ein Szenario, in dem ein Supercomputer einem Arzt zur Seite steht und ihm hilft, die Symptome und Messwerte des Patienten mit neuen Studien und Therapieempfehlungen zu verknüpfen, ist noch Utopie. Und bislang scheint auch der IBM-Supercomputer Watson bei der Therapie von Tumorerkrankungen keine Heilungswunder vollbringen zu können. Das in 2013 angekündigte Großprojekt für ein onkologisches Expertensystem auf Basis von Watson am MD-Anderson-Krebszentrum der Universität Texas liegt brach. Möglicherweise wurden auch die Ziele für die KI in der Medizin noch zu hochgesteckt.
Big Data in der Medizin: Aktuelle Anwendungsbeispiele
In Ansätzen ist der Einsatz von Big Data in der Medizin aber schon heute Realität. Etwa die großen Genomsammlungen, auf die die Systemmedizin bereits zurückgreift. Das britische „100,000 Genomes Project“ will 100.000 Genome entschlüsseln. Die Niederlande haben das „GoNL“ (Genome of the Netherlands), Saudi-Arabien das Saudi Human Genom Programme“ und in den USA hat Obama in 2015 die „Precision Medicine Initiative“ angekündigt, mit dem Ziel, genetische und medizinische Daten von 1.000.000 Personen zu sammeln. Die Genomsequenzierungen bilden einen Datenpool, dessen Nutzung neue wissenschaftliche Entdeckungen und medizinische Erkenntnisse für die Zukunft ermöglicht.
Ein anderes Beispiel ist die Pharmaforschung, die sich ebenfalls bereits Big Data bedient: Normalerweise dauert die Entwicklung eines neuen Medikaments Jahre oder Jahrzehnte. Die Hilfe von Computern und intelligenten Algorithmen kann die Pharma- und Medizinforschung jedoch in beinahe jeder Phase der Wirkstoffentwicklung beschleunigen, von der Idee, bis zur Erprobung in klinischen Studien. So kommt die effektive Nutzung der Datenberge letztlich den Patienten zugute, wie ein Beispiel aus Mittelhessen zeigt: Ein Team des Forschungscampus Mittelhessen will mit Daten aus Patientenregistern bestehende Versorgungslücken bei Morbus Crohn und Colitis Ulcerosa identifizieren und helfen die medizinische Versorgung für Kinder und Jugendliche verbessern. Unter Federführung von Dr. Jan De Laffolie, dem Leiter der Kindergastroenterologie am Universitätsklinikum Gießen und Marburg (UKGM), sollen unter anderem die bestehenden Daten konsolidiert und durch neue Datensätze und Analysemethoden ergänzt werden, um herauszufinden, ob sich so individuelle Versorgungsdefizite verringern lassen.
Auch Prof. Dr. Keywan Sohrabi und Prof. Dr. Volker Groß vom Fachbereich Gesundheit an der Technischen Hochschule Mittelhessen (THM) bringen ihre Kompetenzen auf den Gebieten Big Data, Data Mining und E-Health in den Forschungsverbund ein: „Die Medizininformatik ist heute in der Lage, riesige Datenmengen zu verarbeiten. Für die Zukunft der Medizin ergeben sich daraus ganz neue Perspektiven. Wir können so zum Beispiel aus der Analyse von anonymisierten Patientendatenbanken Schlüsse für die individuelle Therapie ziehen“, erläutert Prof. Sohrabi. Unterstützt wird das Wissenschaftlerteam durch Prof. Dr. Henning Schneider, Dekan des Fachbereichs Gesundheit der THM und Leiter des Instituts für Medizinische Informatik der Justus-Liebig-Universität Gießen (JLU). Erst so können Forschung, Krankenhausmanagement, Industrie und am Ende die Patienten optimalen Nutzen daraus ziehen.
Auch die Gießener Firma Alcedis verknüpft Big Data mit klinischen Studien. Das Ziel: Arzneimittel zur Zulassungsreife zu bringen und für Ärzte und Patienten zugänglich zu machen. Alcedis bietet mit Standorten in Hamburg und New York als Auftragsforschungsinstitut alle medizinisch-wissenschaftlichen Dienstleistungen an, die für die Durchführung einer klinischen Studie notwendig sind.
> Alcedis: Wie Big Data die Medikamentenentwicklung beschleunigt
