„Big Data“-Symposium gab Ausblick in die Medizin der Zukunft

Daten als Währung für hochindividuelle Therapie

Daten als Währung für hochindividuelle Therapie
©Schunk

Wer von Digitalisierung spricht, bezieht häufig und rasch Stellung: Es werden Gefahren beschrieben oder Chancen. Die Session Big Data am Kongresssamstag gehörte eher zur Kategorie zwei.

Zum Auftakt befasste sich Prof. Dr. Ulrich Mansmann, LMU München, mit soziotechnologischen Aspekten der Datensammlung in der Medizin. Er beschrieb das Scheitern des IBM-Supercomputers Watson als Heilsbringer gegen den Krebs, weil auch in der Onkologie exakte Daten und schlaue Algorithmen allein nicht ausreichen für eine bessere Patientenversorgung. Patienten seien eben zu unterschiedlich für eine starre Mustererkennung und Tugenden wie Intuition und Kreativität ließen sich eben nicht aus Daten ableiten. Begrenze man aber die Stärken der KI auf klare Datenmodelle für medizinische Fragestellungen, dann sei der Effekt beeindruckend – wie etwa bei OMOP (Observational Medical Outcomes Partnership), einem US-amerikanischen Datenmodell, das die vernetzte medizinische Forschung unterstütze – trotz aller Probleme in der Verwendung unterschiedlicher Terminologien und deren Anpassung.

Mansmann zeigte sich überzeugt, dass die KI im Arzt-Patienten-Verhältnis dann helfe, wenn sie dazu führe, dem Arzt mehr Zeit für die Betreuung seiner Patienten zu ermög‧lichen. Mansmann beruft sich auf Eric Topol, der betont, dass die Medizin derzeit erhebliche Ressourcen verschwende und die medizinische Forschung mittels Studien kaum ausreichende Erkenntnisse bringe. „Und die Umsetzung einer personalisierten Medizin braucht neue Formen von Forschung und Praxis.“

Potenzial des „Machine Learning“

PD Dr. David Bonekamp, Leitender OA und Wissenschaftskoordinator am DKFZ in Heidelberg, stellte die Vorzüge der KI im Bereich der medizinischen Bildverarbeitung und der radiologischen Grundlagenforschung zur Identifikation von Korrelationen zwischen Krebsbildgebungsmerkmalen und Genexpression dar. Dabei helfe vor allem das „Machine Learning“ mit automatischem Auswerten genereller Daten („Unsupervised Learning“) und das vom Instruktor vorgegebene Lernen (Supervised Learning), zusammen als „Reinforcement Learning“ bezeichnet. Bonekamp sagt dem „Machine Learning“ in der onkologischen Bildgebung zwar ein wachsendes Potenzial und vielversprechende Perspektiven für die klinische Diagnostik voraus. Es brauche aber deutlich mehr Studien dazu. Und: „Es wird noch einige Zeit dauern, bis die Letztbefundung durch den Oberarzt wegfällt.“

Dr. Friedrich von Bohlen und Halbach, CEO von Molecular Health (Foto), gab einen Einblick in den aktuellen Stand der Präzisionsmedizin, die sich durch das Hinzukommen der molekularen Dimension in alle Aspekte der Medizin ergebe. Dazu werden computerbasierte molekulare Informationen mit den Patientendaten synchronisiert – auch mit Lifestyledaten. Die KI sende dazu „Entscheidungssignale“ an Ärzte und andere „Stakeholder“ im Gesundheitswesen. Die Medizin wandele sich also hin zu einer „klinisch-molekular basierten, computerzentrierten und von KI unterstützten, outcomeorientierten, valueerstatteten präventiven und prädiktiven Medizin“. In Zukunft kenne der Gesunde seine molekulare Prädisposition, er werde seine Lebensgewohnheiten digital vorhalten, seine Schwerpunkte bezüglich Verhalten, Vorbeugung und Vorsorge selbst festlegen und seine gesundheitsrelevanten Daten „sharen“ sowie die krankheitsrelevanten „spenden“. Und er werde Communitynetzwerke anreichern und damit wertvoller machen – und müsse dafür belohnt werden.

Dahinter steckt die seinerzeit von Robert Metcalfe gewonnene Erkenntnis, dass der Wert von Netzwerken exponenziell mit der Zahl der aktiv vernetzten Personen steigt, wenn diese Vernetzung Werte generierend genutzt werden kann. Dieser Austausch von Informationen ist eine Art „neue Gesundheitswährung“, die in Konsequenz dazu führen wird, dass Gesundheit besser verstanden und bewahrt und Krankheit individuell besser und erfolgreicher behandelt werden kann.

Der Kranke der Zukunft werde sein individuelles Krankheitsmodell aufgrund seines Biomarkermusters kennen und er werde individuelle Therapien erhalten, die dynamischen Leitlinienalgorithmen folgen – daher kann frühzeitig interveniert werden und die Outcomes können als Verlaufsparameter verändert werden. Der Arzt der Zukunft werde nicht nur Kranke therapieren, sondern auch die Gesundheit des Einzelnen verstehen und coachen. Er werde hoch individuelle Therapien einschließlich individueller Medikationen verschreiben und mit elektronischen Patientenakten arbeiten – aus diesen lesen und selbst Informationen eingeben. Er werde eine zentrale Rolle spielen in der Befüllung von „molekularbasierten longitudinal und am Outcome orientierten Datenbanken“ und für diesen aktiven Input zusätzliche Belohnungs- und Anreizsysteme nutzen.

Kompetenzförderung

Abschließend verwies PD Dr. Sebastian Kuhn, MME, auf die Konsequenz der digital geprägten Medizin für die Aus-, Fort- und Weiterbildung. Er beschrieb den Alltag mit diversen digitalen Endgeräten zur Messung individueller Daten bis hin zu medizinischen Ratgebern in Form von Gesundheits-Apps (zum Beispiel „Ada“). Mit Blick auf den „klassischen“ Arztwerdegang – Studium 2019, Arzt 2025, Facharzt 2030 – sei klar, dass dies keine Perspektive mehr habe. Gefragt seien in Zukunft Wissen, Fertigkeiten und Haltung. Kuhn: „Diese Kompetenz darf nicht als Nebenprodukt einer fachlichen Wissensvermittlung erwartet werden, sondern braucht die gezielte und systematische Verankerung in Curricula.“