Kommentar von Alexander Thamm, Alexander Thamm GmbH Corona stoppen – mithilfe von Data Science und Machine Learning

Anbieter zum Thema

Startup Communication e.K.

Fujitsu Technology Solutions GmbH

Insider Research

Xpand Solutions GmbH

Die Bedrohungen durch Sars-CoV-2, besser bekannt als „Corona-Virus“, halten uns alle in Atem. Doch tun wir wirklich genug, um unser Gesundheitswesen so effizient wie möglich zu nutzen und zu gestalten? Ein Bereich, der in Deutschland im Kampf gegen die Pandemie noch vernachlässigt wird, ist zum Beispiel das Hinzuziehen von Künstlicher Intelligenz (KI).

Die aktuelle Corona-Krise ist auf der ganzen Welt angekommen und Politiker unterschiedlichster Länder sprechen von der größten Herausforderung unserer Zeit. Nachdem zum Beispiel in Italien das Gesundheitssystem durch die schnelle Ausbreitung des Virus zu kollabieren droht, liegt in Deutschland der Fokus nun vor allem auf einem Ziel: Die Zunahme der Infizierten so stark wie möglich zu verlangsamen. Verschiedene Maßnahmen wurden deshalb bereits in die Tat umgesetzt: Schulschließungen, Ausgangsbeschränkungen, Regulierungen zu privaten Treffen und ein Mindestabstand zu Fremden von 1,5 Metern sind nur einige Mittel, mit denen die Bundesregierung versucht, die Zahl der Ansteckungen einzudämmen. In einigen Regionen, beispielsweise in Jena, gilt nun außerdem eine Mundschutzpflicht.

Apps und Datenanalysen zur Eindämmung der Neuinfektionen

Einige Wissenschaftler und Unternehmen denken aber noch in eine andere Richtung und wollen auch technologische Mittel im Kampf gegen Corona einsetzen. Die Digitalisierung bestimmt schon seit einigen Jahren unser Leben – warum sollten wir sie uns nicht auch zunutze machen, um die Ausbreitung der Pandemie einzudämmen? Eine dieser Initiativen von Unternehmen entwickelte kürzlich die technologische Basis für eine Smartphone-App, die bei der Verminderung von weiteren Ansteckungen helfen soll. Die Idee dahinter ist, dass sich Smartphones, deren Besitzer sich in unmittelbarer Nähe befinden, anonym einen Zahlencode zur Identifikation austauschen. Die Geräte speichern die Kontakte automatisch. Sollte es bei einem der Nutzer zu einer Corona-Infektion kommen, übermittelt dessen Smartphone alle Kontakte, die in der Inkubationszeit in seiner Nähe waren, an einen zentralen Server. Daraufhin werden alle potenziell Infizierten durch die App gewarnt und eine Quarantäne empfohlen.

Doch die Überlegungen gehen noch weiter. Datenanalysen, Algorithmen und Künstliche Intelligenz haben in der Medizin schon häufig geholfen, um Krankheitsbilder auszumachen und so schnellere Diagnosen zu ermöglichen. Die meist auf künstlichen neuronalen Netzen beruhenden Algorithmen sind längst in der Lage, etwa Lungenentzündungen, aber auch Hautkrebs, Malaria und viele andere Krankheiten, mit einer höheren oder zumindest der gleichen Genauigkeit zu erkennen wie die besten Spezialisten des jeweiligen Fachs. Das heißt aber im Umkehrschluss nicht, dass diese Experten nicht mehr benötigt werden würden. Vielmehr sind durch beschleunigte Diagnosen wieder mehr Kapazitäten vorhanden, damit sie sich um andere Aufgaben verstärkt kümmern können – wie beispielsweise die Behandlung von Krankheiten oder auch die sorgfältige Aufklärung von Patienten. In Zeiten von Corona wäre das ein erheblicher Vorteil.

Spagat zwischen Datenschutz und sinnvoller Datennutzung

In der Realität ist die Situation allerdings paradox, zumindest in Deutschland und in vielen Teilen Europas: Während Forschungseinrichtungen immer neue Rekorde bei der computergesteuerten Erkennung von Krankheiten vermelden, werden diese Modelle und Systeme in der Praxis noch viel zu wenig eingesetzt [PDF].

Der Grund dafür liegt vor allem in datenrechtlichen Bestimmungen, zu denen einerseits unterschiedliche Anforderungen an den Datenschutz für Forschungszwecke und andererseits für den tatsächlichen Einsatz im klinischen Umfeld zählen. Ganz konkret heißt das: Wer einen Algorithmus zur Erkennung von Krankheitsbildern trainieren und im Klinikbetrieb einsetzen will, braucht dazu Daten vieler hundert oder besser noch tausender Patienten. Vor allem aber braucht er laut Datenschutzgrundverordnung die eindeutige Einwilligung jedes Einzelnen dieser Patienten, dessen Daten zu nutzen. Eine weitere Hürde in dieser Bestimmung ist, dass diese Einwilligung zweckgebunden erfolgen muss, also in diesem Fall zum Training eines KI- oder ML-Algorithmus und dessen Einsatz im klinischen Umfeld. Diese Bestimmung gilt auch, wenn die Daten anonymisiert werden.

Doch wie ist es unter diesen Umständen dann zu erklären, dass Telekommunikationsanbieter rechtsgemäß Verbindungsdaten anonymisiert verkaufen dürfen? Schließlich handelt es sich auch dabei um personenbezogene Daten. Der Schlüssel dazu liegt in der Definition des Wortes „anonymisiert“. Laut der gängigen Rechtsprechung und -auslegung sind Daten nämlich nur dann tatsächlich anonymisiert, wenn diese Anonymisierung oder Verschlüsselung nicht rückgängig zu machen ist – jedenfalls nicht durch den Anwender. Bei den Telefonanbietern ist es relativ einfach: Die Unternehmen müssen die Daten nach einem halben Jahr vernichten. Sobald es die Daten nicht mehr gibt, ist die Verschlüsselung auch nicht mehr rückgängig zu machen.

Bei Medizindaten ist ein solches Vorgehen aber nicht sinnvoll, denn um Muster zu erkennen und Algorithmen zu trainieren, braucht es möglichst große Datensätze über einen langen Zeitraum. Auch für das Training von neuronalen Netzen ist es notwendig, die Daten in seltenen Fällen zurückverfolgen zu können. Etwa, wenn in der Fehleranalyse Zweifel aufkommen, ob eine bestimmte Krankheit auf einem Blutabstrich oder einem Röntgenbild tatsächlich richtig diagnostiziert ist.

Natürlich ist der Datenschutz wichtig – gerade und vor allem in Zeiten der Digitalisierung. Gesundheitsdaten aber können Leben retten und deshalb sollte einerseits der Schutz der Daten sichergestellt werden, andererseits aber auch deren Möglichkeiten genutzt werden.

Machine Learning im Kampf gegen Corona

Im Falle von Organtransplantationen fiel jüngst die Entscheidung, dass Bürger regelmäßig befragt werden, ob sie ihre Organe nach ihrem Tod spenden wollen. Weshalb nicht auch eine ähnliche Lösung für den Umgang mit Daten für medizinische Zwecke finden? Wie wichtig das gerade in der aktuellen Situation wäre, zeigen die Möglichkeiten des Machine Learnings. Ein Algorithmus etwa, der Corona-Infektionen auf Lungenröntgenbildern, oder auch den Aufnahmen eines Computertomographen erkennt, hätte verschiedene Auswirkungen, die in der Krise helfen würden:

• 1. Zum einen würde sich die Zeitspanne zwischen dem Corona-Test und dem Testergebnis deutlich verkürzen. Aktuell warten Ärzte bis zu drei Tage oder noch länger – zumindest, wenn sie kein eigenes Labor zur Verfügung haben. Mit dem Algorithmus hätten sie die Möglichkeit, gerade bei Patienten mit schweren Verläufen, eine viel schnellere Diagnose zu erstellen.

• 2. Im Falle überlasteter Intensiv-Kapazitäten könnten Kliniken die Patienten, die mit Covid-19 infiziert sind, gezielter isolieren – was einerseits eine Entlastung wäre und zudem die Ansteckungsgefahr in den Kliniken reduzieren würde.

• 3. Der Algorithmus könnte zudem Ärzten helfen, die bislang noch nicht oder kaum mit Corona-infizierten Patienten in Berührung gekommen sind. Ohne Erfahrungswerte ist es für sie besonders schwierig, Symptome richtig zu deuten. Durch die Ergebnisse des Algorithmus wäre es für sie erheblich leichter, eine Corona-Infektion auszuschließen.

• 4. Zu einem späteren Zeitpunkt könnte der Algorithmus auch dazu genutzt werden, Patienten zu erkennen und zu identifizieren, bei denen ein schwerer Verlauf der Infektions-Krankheit droht. So wäre eine frühe und zielgerichtete Behandlung möglich.

Erste Forschungen auf dem Gebiet laufen auf Hochtouren. So setzen Krankenhäuser in Wuhan einen ähnlichen Algorithmus bereits ein, allerdings sind die Daten nicht öffentlich zugänglich. In den USA baut ein Wissenschaftler der University Stanford zusammen mit Ärzten gerade einen öffentlich verfügbaren Datensatz auf, jedoch ist die Zahl der bislang hochgeladenen Bilder noch zu klein, um einen zuverlässigen Algorithmus zu trainieren.

In Europa gibt es derzeit noch keine vergleichbare Initiative. Die Alexander Thamm GmbH, eine der führenden Data Science & KI Beratungen in Deutschland, könnte so einen Algorithmus binnen kürzester Zeit programmieren, trainieren und allen interessierten Ärzten und Kliniken kostenfrei zur Verfügung stellen. Um dieses Vorhaben zu verwirklichen und den Algorithmus in der angespannten Corona-Lage tatsächlich schnell zur Verfügung zu stellen, sucht die Data Science- und KI-Beratung einerseits Kontakte zu Kliniken, die anonymisiert Daten – also Lungenröntgenbilder oder CT-Aufnahmen zur Verfügung stellen – und andererseits Sponsoren, die dieses Vorhaben unterstützen. Das Ziel ist, so einen möglichst großen Datensatz zu bekommen, anhand dessen Data Science einen beträchtlichen Beitrag im Kampf gegen COVID-19 leisten könnte.

Bei Interesse stellt die Alexander Thamm GmbH gerne eine Projektskizze zur Verfügung. Wenden Sie sich dafür an: Andreas Gillhuber (Co-CEO): andreas.gillhuber@alexanderthamm.com

(ID:46494416)