Sorry, you need to enable JavaScript to visit this website.
Sieben Dinge_Big Data_Bühne

Digitalisierung

Sieben Dinge, die man sich von Big Data verspricht

Krankheiten vorhersehen

Welche Gesundheitsthemen suchen Menschen im Internet? Worüber wird in sozialen Netzwerken diskutiert? Durch die Analyse von (Such-)Begriffen können Vorhersagen über die räumliche und zeitliche Ausbreitung von Krankheiten gemacht werden und zum Beispiel im Falle von Epidemien bestimmte kollektive oder individuelle Gesundheitsmaßnahmen schneller und gezielter in die Wege geleitet werden.

 

Krankheiten ganzheitlich verstehen

Big Data ermöglicht eine umfassendere Betrachtung von Krankheiten. An der Universitätsklinik Hamburg-Eppendorf wird beispielsweise das Vorhofflimmern – die häufigste Herzrhythmusstörung mit hoher Mortalitätsrate – ganzheitlich untersucht. Mediziner, Molekularbiologen, Bioinformatiker, Epidemiologen und Statistiker nutzen dafür auch Big Data.

 

Schnellere, bessere Diagnostik

Superrechner wie „Watson“ von IBM durchkämmen in kurzer Zeit gigantische Datenmengen: Nachdem Ärzte einer japanischen Patientin keine Diagnose stellen konnten, verglich Watson ihre genetischen Daten mit denen aus 20 Millionen Studien. Nach nur zehn Minuten diagnostizierte er bei ihr einen seltenen Fall von Blutkrebs.

 

Bessere, effizientere Therapien

Bislang werden nur relativ wenige Patientendaten zu Forschungszwecken und zur Verbesserung von Therapien genutzt – es sind die Daten der Patienten aus klinischen Studien. Dabei liegen in Arztpraxen, Krankenhäusern und weiteren Einrichtungen viele weitere, ungenutzte Patientendaten mit wertvollen Informationen über den Krankheitsverlauf, Ansprechraten auf Medikamente, Ergebnisse von diagnostischen Tests ... Das US-amerikanische Projekt CancerLinQ („Cancer Learning Intelligence Network for Quality”) führt beispielsweise die Daten von Krebspatienten zusammen: Für jede Krebsart und jeden Subtyp soll sehr schnell herausgefunden werden, welche Behandlung die beste ist. Das macht die Therapie effizienter – denn jede medizinische Hypothese kann online mit realen Daten abgeglichen und überprüft werden. So hatte CancerLInQ laut SAP Ende 2016 bereits mehr als 400 Männer mit männlichem Brustkrebs erfasst und damit mehr Betroffene, als die größte Studie je rekrutieren konnte.

 

Operationen verbessern & Komplikationen vorhersehen

Ein Supercomputer simuliert aufgrund von Messungen an einem Patienten dessen Herz in 3D. Er setzt sie zu einem räumlichen, bewegten Bild zusammen, anhand dessen vor Beginn der OP das beste Vorgehen simuliert werden kann. Durch den Vergleich von Patientendaten lässt sich errechnen, wie wahrscheinlich es ist, dass ein Patient nach einer OP Komplikationen entwickelt.

 

Studien beschleunigen

Klinische Studien sind teuer und zeitaufwendig. Doch manch eine Frage ließe sich auch direkt durch Auswertung bereits vorliegender Gesundheitsdaten klären, etwa aus elektronischen Patientenakten. Das erlaubt neue, schnellere Studienformen und eine schnellere Umsetzung der neu gewonnenen Erkenntnisse in die Praxis.

 

Neue Medikamente entdecken dank Deep Learning

In einer Kooperation mit Pfizer sucht der Superrechner Watson Health von IBM im Bereich der Immunonkologie nach neuen Therapieansätzen und Medikamenten. Während ein Wissenschaftler durchschnittlich rund 200 bis 300 Artikel pro Jahr liest, hat Watson for Drug Discovery Zugriff auf eine Datenbank aus 25 Millionen medizinischen Abstracts, mehr als 1 Million vollständige Artikel aus medizinischen Fachzeitschriften sowie 4 Millionen Patente. Watson for Drug Discovery kann Wissenschaftler bei der Analyse von Daten aus unterschiedlichen Quellen unterstützen und durch eine dynamische Visualisierung versteckte Muster und Zusammenhänge erkennbar machen. Der Rechner lernt durch die bereits durchgeführten Interaktionen ständig dazu und gewinnt dadurch an Wissen.

Kommentare

  1. Gert Bruche

    Mir fehlt in dieser Aufzählung die unterstützende Rolle der KI in der bildgebenden Diagnostik, die meiner Meinung nach der konkrete Einsatzbereich ist, in dem KI-Anwendungen rapide zunehmen wie auch der letzte RSNA-Kongress (Radiology Society of North America) im Dezember 2017 in Chicago gezeigt hat. Der aufgeführte Fall von Watson ist natürlich sehr viel umfassender, aber die Anwendungen in der bildgebenden Diagnostik lassen sich mittelfristig sehr praxisnah in klinische Workflows einbauen.

    vor 3 Wochen

Ihr Kommentar

Wollen Sie namentlich in der Diskussion genannt werden?

Schliessen Kreuz Created with Sketch.

Regelmäßige Neuigkeiten aus dem Land der Gesundheit