Digitalisierung im Gesundheitswesen Big Data und KI eröffnen neue Möglichkeiten in der Medizin

Chirurgen mit 3D-Datenbrillen, individuell angepasste Therapien oder per Gentest identifizierte Krankheiten – alles noch Science-Fiction? Mit Big Data und lernfähigen Computerprogrammen wird das bald Realität werden.

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Insider Research

Confluent Germany GmbH

Durch die Digitalisierung erfährt das Gesundheitswesen einen der größten Umbrüche in seiner gesamten Historie. Gleichzeitig entwickelte sich die Wissenschaft vor allem in der molekulargenetischen Diagnostik seit den 1990er-Jahren rasant weiter. Immer schneller konnten extrem große gesundheitsrelevante Daten über Patienten und deren Krankheiten erfasst werden.

Mittlerweile stehen dazu auch noch die notwendigen IT-Systeme bereit, um diese gewaltigen Datenmengen zu prozessieren, zu ordnen und zu analysieren. Zudem ist es heute möglich, diese Volumina aus den unterschiedlichsten Quellen wie zum Beispiel Bildgebung, Histologie, Laborbefunde, Arztbriefe, Verschreibungen, persönliche Einschätzungen des Patienten (Patient-reported outcome) oder Forschungsdaten zu verarbeiten.

Datenverarbeitung in der Medizin

Eine optimale Nutzung dieser gewaltigen Mengen an Daten kann nur durch voll digitalisierte Prozesse gewährleistet werden. Aber auch die Medizin kennt eine Datenerhebung und Datenverarbeitung, die sich in dem „Dreiklang“ aus Anamnese, Diagnose und Prognose manifestieren. Bei der Anamnese geht es um die Erkenntnis sowie Aufnahme aller relevanten Informationen über einen Patienten (Datenerhebung).

Bei einer Diagnose geht es darum, in diesen Daten ein bekanntes Muster zu sehen, das einem der bekannten Krankheitsbilder entspricht (Datenverarbeitung). Die Prognose macht dagegen Aussagen über den zukünftigen Verlauf einer Krankheit (Datenauswertung).

Das heißt, Daten spielen in den drei entscheidenden Phasen eines medizinischen Prozesses von Anamnese, Diagnose und Prognose eine wichtige Rolle: Erstens bei der Messung, zweitens bei der Visualisierung und Animation und drittens beim Vergleich mit anderen Patientendaten. Wobei die gesammelten Daten der Patienten den zentralen Teil eines Big Data Lakes ausmachen und bei der Diagnose und Prognose dienlich sein können.

Zu Beispiel bei Krankheiten wie Diabetes, dessen Ursachen, Verläufe und Folgeerkrankungen sehr vielfältig sind, spielen die Verfahren von Big Data Analytics und Lösungen der Künstlichen Intelligenz (KI) ihre Stärken voll aus.

Digitale und personalisierte Medizin

Mit diesen digitalen Lösungen sollen nicht nur neue Therapien entwickelt und erforscht werden, sondern der Patient erhält dadurch eine personalisierte und bessere Therapie, die jeweils speziell auf seine spezifischen Krankheitsbilder zugeschnitten ist.

So sollen Krebstherapien durch individuellere Methoden wirkungsvoller werden. Das heißt, wenn die Effektivität einer Behandlung aus der Kenntnis der entsprechenden Gen- oder Molekularstruktur des Patienten größer wäre, so könnte man von vornherein bestimmte Behandlungsmethoden ausschließen und dem Patienten unnötige Torturen ersparen.

Big Data und KI erschaffen somit neue Diagnostik- und Behandlungsmöglichkeiten und erleichtern zudem die Kommunikation zwischen den einzelnen Akteuren des Gesundheitswesens. Das bedeutet, in nur wenigen Jahren wird die Wissenschaft die individuellen Genomdaten von vielen Millionen Menschen kennen.

Dagegen betrachtet jeder Arzt immer nur seine eigenen Patienten. Vor allem bei der Bewertung von Medikamenten und Therapien wäre es wichtig, wenn man Vergleichsdaten über den Verlauf bei möglichst vielen Patienten hätte.

Digitale Lösungen ermöglichen es der Medizin, Krankheiten schneller zu erkennen, zu therapieren und besser zu überwachen. Gleichzeitig wird eine bessere und bezahlbare Versorgung gewährleistet.

Die Zukunft: digitale Systemmedizin

Krankheiten entstehen oft aus einem komplexen Zusammenhang von genetischen Aspekten, Umwelteinflüssen und Lebensgewohnheiten. Das Problem lag bisher darin, die einzelnen Verbindungen untereinander zu verstehen und auf diese Weise Ursachen für Krankheiten feststellen zu können.

Die Systemmedizin soll diese Problemstellung deutlich verbessern. Dafür muss eine ganzheitliche Betrachtung des Organismus eingenommen und verschiedenste Fachbereiche einbezogen werden: Biologie, Medizin, Biochemie, Mathematik und Informatik.

Wobei der Kern der Systemmedizin ein kontinuierliches Wechselspiel zwischen Modellierung und Laborarbeit bildet. Auf der Grundlage der Erkenntnisse im Labor werden Computermodelle entworfen, die wiederum im Labor einer Überprüfung standhalten müssen. Schritt für Schritt nähern sich die Forscher dann einem präzisen Resultat.

Der Vorteil der Systemmedizin liegt in der interdisziplinären Kooperation. Indem Wissenschaftler aus verschiedenen Bereichen und mit unterschiedlichen Ansätzen gemeinsam über ein medizinisches Problem nachdenken, entstehen innovative Lösungsansätze. Aus diesem Grunde bezeichnen Experten die digitale Medizin bereits als eine Präzisionsmedizin.

Vielfältige Einsatzmöglichkeiten

Die Experten sind sich einig: Big-Data- und KI-Lösungen können fast alle Bereiche der Gesundheitswirtschaft massiv beeinflussen und voranbringen. Mit den digitalen Verfahren von Big Data und KI wird man durch Gen-, Protein- und Molekularanalysen tiefere Einsichten über den Bauplan des Menschen den Abläufen im Körper erhalten.

Für die Pharmaindustrie bedeutet es, individuelle Mixturen zu liefern. Das wird die Pharmaindustrie umkrempeln, die ja bisher auf Blockbuster-Medikamente, die ganz vielen helfen sollen, gesetzt hat.

Beispielsweise verschlingt derzeit die Suche nach einem neuen Wirkstoff bis zu mehreren Milliarden Euro. Zukünftig könnte sich diese Zahl auf einige Millionen reduzieren.

Zudem werden im täglichen Einsatz medizinische Geräte im Internet of Things (IoT) mit Sensoren versehen, um so ihre Qualität und Zuverlässigkeit zu verbessern. Darüber hinaus übernehmen Predictive Analytics eine vorbeugende Wartung.

Durch Methoden des Deep Learning lassen sich bildgebende Verfahren optimieren, da die Bildinformationen mit Millionen anderer Aufnahmen verglichen werden können.

(ID:46335764)