BR24 Logo
BR24 Logo
Startseite
© BR
Bildrechte: BR-Studio Franken/Henry Lai

Daten werden in IT-Kreisen als das neue Rohöl gehandelt, so wertvoll sind sie. In Erlangen arbeitet eine Gruppe von Forschern daran, mit Big Data und künstlicher Intelligenz der Medizinforschung einen regelrechten Turbo zu verpassen.

3
Per Mail sharen
  • Artikel mit Audio-Inhalten

Doktor Data: Wie KI in der Medizinforschung helfen soll

Daten werden in IT-Kreisen als das neue Rohöl gehandelt, so wertvoll sind sie. In Erlangen arbeitet eine Gruppe von Forschern daran, mit Big Data und künstlicher Intelligenz der Medizinforschung einen regelrechten Turbo zu verpassen.

3
Per Mail sharen
Von
  • Henry Lai

Wer Kinder hat, der kennt das Prozedere am Wehenschreiber. Die schwangere Frau legt oder setzt sich in der Frauenarzt-Praxis oder im Krankenhaus hin, bekommt ein kühles Gel auf den Bauch, wird verkabelt und lauscht dann gut eine halbe Stunde dem stetigen Pochen des kleinen Herzens in ihrem Bauch. Gerade in den letzten Wochen einer Schwangerschaft verbringen Frauen viel Zeit an so einem Gerät.

Schwangerschaft digital

Doch das muss nicht so sein. Ein Forscherteam aus Erlangen arbeitet gerade daran, das Wehenschreiben auch von zuhause aus zu ermöglichen – und diese und andere Daten digital zu erfassen, um sie für die Forschung einzusetzen. Auch die Daten der Mutterpässe könnten so ausgewertet werden, sagt Björn Eskofier, der die Abteilung "Künstliche Intelligenz in der Medizin" an der Uni Erlangen leitet. Noch im Frühjahr geht dieses Projekt namens "SmartStart" in die Studienphase.

"Wenn ich da jetzt eine Studie anfangen würde, müsste ich mir quasi Mutterpässe von 1980 zuschicken lassen und die händisch auswerten. Das ist eine unglaubliche Arbeit. Wenn diese Information digital vorliegen würde, [...] hätte ich die großartige Möglichkeit in der Zukunft Forschungen über heranwachsende Kinder durchführen zu können und kann damit Fragen beantworten, die man heute gar nicht beantworten kann." Björn Eskofier, Uni Erlangen

Künstliche Intelligenz bei chronischen Krankheiten

Und das ist nur ein Projekt. Das große Ziel der Forschungsabteilung ist es, maschinelles Lernen und künstliche Intelligenz für die Medizinforschung einzusetzen. Die Grundlage dafür: jede Menge Daten. Was die den Ärzten bringen können, erkennt man zum Beispiel an einem Projekt zur Parkinson-Krankheit. Darin haben Eskofier und seine Forscher eine Methode entwickelt, um die Gangart von Parkison-Patienten zu analysieren – zentraler Bestandteil sind ein Sensor im Schuh, der die Bewegungen aufzeichnet, und ein Algorithmus, der die Daten interpretiert.

So "können wir einen neuen Patienten oder eine neue Patientin vermessen und wissen, in welchem Krankheitsstadium sich diese Person befindet", so Eskofier. Das hilft Neurologen, die Parkinson-Medikamente sehr genau zu dosieren – genauer als es bisher möglich war. Dahinter steckt mehr als ein Jahrzehnt Forschung und ein Datensatz von mehreren Tausend Probanden.

Der Arzt und sein (Computer-)Helfer

Die Idee ist also: Für jeden Patienten die Behandlung, die am besten auf ihn passt. In einem digitalen Gesundheitssystem könnten Ärzte auf ein ganzes Meer an Daten zurückgreifen. Und für solche Entscheidungsfindungshilfen seien die Mediziner durchaus offen, sagt Klaus Nagels, Professor für Medizinmanagement und Versorgungsforschung an der Uni Bayreuth. "Sie können sich das vor allen Dingen vorstellen für komplexere Krankheitsbilder. Sie würden es halt weniger für unkomplizierte Fälle einsetzen. Also sie waren schon tendenziell positiv gestimmt", sagt er. Das sei viele Jahre lang anders gewesen. "Aber man sieht da deutlich, dass da neue Generationen heranwachsen." Allerdings sieht Nagels die Zuverlässigkeit und Rentabilität solcher Systeme als eine der größten Herausforderungen.

Daten teilen hilft beim Heilen

Damit so ein System das nötige Rüstzeug hat, um bei medizinischen Entscheidungen zu helfen, braucht es eben Daten. Und die müssten von den Patienten kommen, sagt Björn Eskofier. "Ich möchte die beste Medizin zur Verfügung gestellt bekommen. Das funktioniert aber nur dann, wenn die anderen die Daten dafür zur Verfügung stellen, dass ich am besten behandelt werden kann. Das heißt im Umkehrschluss natürlich auch: Ich muss meine Daten auch zur Verfügung stellen", so Eskofier.

Datenräume und begrenzte Zugriffsmöglichkeiten

Geht es nach ihm, würden diese Daten irgendwann in einem sogenannten “Data Space” gespeichert. Jeder Mensch hätte dann ab Geburt einen eigenen Datenraum. Besonders vertrauenswürdige Einrichtungen sollen als Daten-Treuhänder fungieren und bestimmen, wer begrenzten Zugriff bekommt und wer nicht.

Und selbst die, die dann Zugriff haben, bekommen nicht alle Informationen. Die Daten bleiben bei den Menschen und sie geben immer nur einen Teilbereich der Informationen frei, der gerade für die Forschung gebraucht wird. Das Prinzip nennt Eskofier "Federated Learning". Anders als zum Beispiel große Online-Händler bekäme ein Forscher nicht Zugriff auf das ganze Datenprofil. Stattdessen stellt er eine Frage – zum Beispiel: "Wie hoch ist der Blutzuckerspiegel?" – und bekommt nur diese Daten zurück.

Viele Fragen sind noch offen

Wo diese Informationen gespeichert werden, wer diese Treuhänder sind – das und vieles mehr ist noch ungeklärt. Aber vom grundsätzlichen Konzept ist Eskofier überzeugt. Und nicht nur er, sondern auch die Europäische Kommission. Sie hat sich das Thema für diese Legislaturperiode dick auf die Agenda geschrieben. Und neben den Forschern und Forscherinnen aus Erlangen arbeiten auch weitere Wissenschaftler aus anderen Ländern an diesem Projekt.

"Man ist schon aus Franken für das Thema zuständig, aber man sieht auch, dass es auf der Welt und in Europa noch einige andere Hubs gibt, die an dem Thema arbeiten. Das ist auch notwendig und wichtig." Björn Eskofier

"Darüber spricht Bayern": Der BR24-Newsletter informiert Sie immer montags bis freitags zum Feierabend über das Wichtigste vom Tag auf einen Blick – kompakt und direkt in Ihrem privaten Postfach. Hier geht’s zur Anmeldung!