Digitalisierung im Gesundheitswesen, Teil 2

Krankheiten – Diagnostik – Therapie

Revolutioniert die Künstliche Intelligenz (KI) die Erforschung

von Krankheiten und Therapien?

Der Mensch ist keine gefühllose Maschine, die beliebig zerlegt werden kann, um Fehler = Krankheiten und Reparaturen = Therapien einfach so zu erkennen und zu beheben. Die medizinische Forschung ist deshalb in den wichtigsten Disziplinen eine empirische Wissenschaft, also eine methodische Sammlung von Daten und daraus abgeleiteten Erkenntnissen.
Vor diesem Hintergrund müssen wir Big Data, auch oder insbesondere im Bereich von Diagnostik oder Therapien, sehen. Denn hier wird es durch digitale Technologien möglich, bisher unvorstellbare Informationsmengen zu erfassen, zu verarbeiten und zu bewerten.
Dies ermöglicht mit Hilfe gewaltiger digitaler Rechenoperationen erstmals einer Maschine tiefere Einblicke in biologische Zusammenhänge, um dadurch die medizinische Forschung, das Wissen um Krankheiten und Therapiemöglichkeiten, in nie gekannte neue Dimension zu führen.

Was hat der Patient von Big Data?

Vor allem wird es zunächst möglich sein, große Patientenkollektive mit ihren Krankheiten ins Zentrum spezieller digitaler Datenanalysen zu stellen. Dazu können Daten von Behandelten in bisher nie gekannten Größenordnungen aus verschiedensten (elektronisch verfügbaren) Quellen gesammelt werden, z. B. aus:

Aus digitalen Datenanalysen gewinnen wir ein schärferes Bild von Therapieerfolgen und Rückschlägen sowie tiefere Erkenntnisse zu Krankheiten bis hin zur Entwicklung neuer Therapieansätze und neuer Medikamente. In den Vereinigten Staaten und der Europäischen Union prüfen Arzneimittelbehörden, Forschungsinstitutionen und große Pharmakonzerne in Kooperationen inzwischen Möglichkeiten, solche „(Big) Data“ aus dem „echten Leben“ (Real-World-Evidenz, RWE) in ihre Entscheidungen einzubeziehen.

Die RWE wird in immer stärkerem Ausmaß klinische Studien in neuen und präziseren Fragestellungen ergänzen. Erste große RWE Untersuchungen laufen oder liegen vor, nachfolgend einige beeindruckende Beispiele:

Das Projekt UK Biobank: Einflüsse auf die Entwicklung von Krankheiten⁵

In der UK Biobank werden seit 2012 die Gesundheitskarrieren von 500.000 Freiwilligen zwischen 40 und 69 Jahren über einen Zeitraum von 30 Jahren gesammelt. Genetische Profile, Blut-, Speichel- und Urinproben, regelmäßige Befragungen werden in anonymisierter Form erfasst.
Das Ziel der Biobank ist es, bei der Entschlüsselung des Mechanismus von Krankheiten aus einem Meer von Daten die Erforschung der Rolle genetischer Dispositionen und Umwelteinflüsse, wie Ernährung, Lifestyle und Medikamenten zu erleichtern und zu nutzen. Für spezielle Fragestellungen zur Entwicklung von Arzneimitteln, haben wissenschaftliche Institutionen und forschende Pharmaunternehmen Zugang zu den generierten Daten. Im Umkehrschluss sind die Forscher aber auch dazu verpflichtet, ihre Ergebnisse der Biobank zur Verfügung zu stellen, um die Wissensbasis zu vergrößern und andere Wissenschaftler davon profitieren zu lassen.
Unterm Strich zielt dies alles darauf ab, die Prävention, Diagnose sowie Behandlung von Krankheiten der unterschiedlichsten Indikationsgebiete zu verbessern.

Die Bedeutung von Big Data zeigt auch die aktuell auf dem internationalen Leberkongress 2018 in Paris präsentierte Analyse zu

NASH „Non-alkoholic Steatohepatitis“ (NASH),

bei der entzündliche Veränderungen der Fettleber mit dem Endstadium der Leberzirrhose auftreten. Dazu führt Judi Rhys, Vorsitzende des British Liver Trust aus: „Die Studie deutet darauf hin, dass die Prävalenz von NASH nicht wie in der britischen Bevölkerung bisher angenommen 3% sondern 12 % beträgt“⁶. Damit ist sie sogar höher als Diabetes Typ ll. Gezielt medikamentös behandeln lässt sich NASH noch nicht, aber forschende Pharmaunternehmen haben bereits zahlreiche Wirkstoffe in der Pipeline.

Das Projekt HARMONY: Klinische Forschung trifft auf Big Data⁷

Im Zentrum stehen beim Projekt HARMONY komplexe Blutkrebserkrankungen, wie multiples Myelom (MM), akute oder chronische lymphatische Leukämie (ALL, CLL) oder das Non-Hodgkin-Lymphom (NHL). Es handelt sich um relativ seltene aber hoch spezifische Erkrankungen mit sehr unterschiedlichem genetischen Ursprung. Deshalb ist die Datenbasis äußerst gering. Hier soll HARMONY Abhilfe schaffen und die Behandlung von Blutkrebserkrankungen verbessern.

Universitäten, klinische Zentren und sieben Pharmaunternehmen in elf europäischen Ländern kooperieren auf dem Gebiet der Datenverarbeitung im großen Stil und setzen auf Wissenstransfer durch Vernetzung.

Das bedeutet:

1. Neue Biomarker sollen mit dem Ziel identifiziert werden, dass „der richtige Patient das richtige Medikament zur richtigen Zeit bekommt.“
2. Die Daten sollen helfen, klinische Endpunkte zu definieren.
3. Zur Erleichterung der Entscheidungsfindung für den behandelnden Arzt soll eine Plattform für den Behandlungs-Datenaustausch mit einem hochethischen Ziel entwickelt werden.

Eine behandelnde Klinik soll künftig nicht nur auf Daten aus ihrem eigenen Behandlungskosmos und Erfahrungshorizont, sondern auf die gesammelte Expertise von mehr als 40 hochqualifizierten Behandlungszentren europaweit zurückgreifen können.

HARMONY muss als ein derart anspruchsvolles Projekt gut organisiert sein: Es agieren ein 20-köpfiges Steering- und ein vierköpfiges Executive Commitee. Finanziert wird HARMONY von der Innovative Medicines Initiative (IMI). Sie ist die größte europäische Initiative mit dem Ziel, die Entwicklung besserer und sicherer Medikamente zu beschleunigen. Ihre Träger sind die Europäische Union und der europäische Verband der Pharmabranche (EFPIA).

Das Projekt Supercomputer Watson:

Schneller neue Medikamente durch Künstliche Intelligenz?

Künstliche Intelligenz ist eine der Antriebskräfte der digitalen Revolution. Kann KI aber auch helfen, besser und schneller Medikamente zu entwickeln? Alles deutet darauf hin, diese Frage mit JA zu beantworten. Denn durch den immer stärkeren wachsenden gezielten Zugriff auf hochwertige medizinische Daten, kann das maschinelle Lernen dazu beitragen, die Arzneimittelentwicklung zu optimieren – und somit letztendlich die Behandlung von Krankheiten. Die Perspektive kann noch weiter gefasst werden:
Die Wissenschaft wird ohne die Nutzung von Computertechnik den nächsten Entwicklungsschritt nicht gehen können. KI wird der Medizin und Forschung ganz neue Impulse geben. Ein beeindruckendes Beispiel ist der in einer Klinik in Tokio platzierte Supercomputer Watson.

In Watson sind viele Millionen Daten aus Krebsstudien gespeichert. Die Leistungsfähigkeit von Watson wurde an einer Patientin getestet, bei der von mehreren Ärzten in anderen Kliniken eine akute myeloische Leukämie (AML) diagnostiziert wurde. Alle Therapieversuche blieben erfolglos. Die Daten der Patientin wurden zur Diagnose in Watson eingegeben. Watson brauchte 10 Minuten, um nach Abgleich mit den vielen Millionen Daten die Diagnose zu stellen: Die Frau litt an einer seltenen Form der Leukämie, die weltweit bisher nur 41 mal diagnostiziert wurde. Die Ärzte hatten eine falsche Diagnose gestellt. Es ist anzunehmen, dass die Ärzte ohne Watson mit hohem weiterem Aufwand auch zum Ziel gekommen wären. Aber eine schnellere Diagnose und Therapie zum Wohle der Patienten, die Arbeitserleichterung für Ärzte, die Gesundheitsökonomie und neue Erkenntnisse für die Entwicklung von neuen Arzneimitteln, rechtfertigen die Entwicklung derartiger digitaler Diagnosehilfen in hohem Maße. Weitere Beispiele sind weltweit in der Entwicklung oder schon im Einsatz, z. B.: Diagnose von Melanomen sowie Diagnose von Lungenerkrankungen.

Big Data und Datenschutz

Langfristig sichere Speicher für sensible Gesundheitsdaten bilden die große Herausforderung im Prozess der nicht mehr aufzuhaltenden Digitalisierung. Dies gilt für alle Wirtschaftsbereiche, aber insbesondere für sensible Patientendaten. Alle heute genutzten Verschlüsselungsverfahren werden immer unsicherer und somit immer anfälliger für Missbrauch.
Um das zu verhindern, müssen neue Verschlüsselungssysteme entwickelt werden. Forscher der Universität Darmstadt arbeiten in einem Sonderforschungsbereich in Kooperation mit japanischen und kanadischen Partnern mit dem Ziel, einen technologischen Prototyp zu entwickeln, der über Jahrzehnte sichere Speicherung sensibler Gesundheitsdaten gewährleisten soll.

Zusammenfassung

Schon jetzt zeigen viele Beispiele, wie wertvoll die Sammlung und Analyse von Big Data ist – auch oder gerade eben im medizinischen Bereich. Sie unterstützt bei Diagnostik, Therapievorschlägen in einer Form, die auf „menschlichem Weg” nur schwer oder gar nicht zu erreichen wäre. Nicht unterschätzt werden darf der Aspekt des Datenschutzes und die Rechte der Patienten bzw. „Dateneigentümer“. Im Zusammenspiel mit allen „Playern“ (Industrie, Aufsichtsbehörden und Patienten) wird hoffentlich ein Konsens gefunden, der allen Bedürfnissen gerecht wird und letztendlich den Patienten zu Gute kommen wird.

Literatur Teil 2:

1. Wissenschaft-Medizin. dellmour.org. 05.08.2018
2. Renate Deinzer. Allgemeine Grundlagen wissenschaftlichen Arbeitens in der Medizin. Verlag: W. Kohlhammer 2007.
3. Die großen Pharmaunternehmen,faz.net/aktuell/Wirtschaft
4. Was hat der Patient von Big Data? pharma-fakten.de, 17.05.2018
5. https://www.ukbiobank.ac.uk/about-biobank-uk/
6. EASL The international Liver Congress 2018 April ll-15, Paris, France ( https://ilc-congress.eu/)
7. Harmony: Wenn Medizin auf Informatik trifft, www.pharma-fakten.de 27.02.2017
8. Digitalisierung: Schneller neue Medikamente durch Künstliche Intelligenz?, www.pharma-fakten.de 01.08. 2018
9. Langfristig sicherer Speicher für sensible Gesundheitsdaten. medica.de/egi-bin/md_medica/lib/pub/tt.cgi/ 09.11.2018

Picture: @maxsim/fotolia.com