Medizin im Datenrausch

Karsten Borgwardt spricht unaufgeregt und bedacht, als wollte er dadurch etwas Ruhe in ein Forschungsgebiet bringen, in dem es turbulent zu und her geht. Die Datenwissenschaften in der biomedizinischen Forschung erleben aktuell einen Boom: mehr Professoren, mehr F?rdergelder, mehr Rechenkapazit?t und mehr Forschungskooperationen. Borgwardts ?Machine Learning & Computational Biology Lab? am Departement f¨¹r Biosysteme in Basel ist seit der Gr¨¹ndung im Juni 2014 auf 15 Mitarbeiter angewachsen ¨C und es werden weitere hinzukommen.

Der 36-j?hrige Professor verk?rpert einen neuen Typus von Data Scientist, wie er in der Medizin der Zukunft einen festen Platz einnehmen d¨¹rfte. Er hat Informatik mit Biologie im Nebenfach studiert, wobei er in letzterem in seinem vierten Studienjahr zus?tzlich einen Master an der Oxford University absolvierte. Borgwardt ist mit der Entschl¨¹sselung des ersten menschlichen Genoms aufgewachsen und war schon w?hrend des Studiums fasziniert von den neuen M?glichkeiten in der Genomik. Doch heute weiss er, dass die anf?nglichen Hoffnungen oft ¨¹berzogen waren: ?Wir sind nach wie vor weit davon entfernt, vom Genom einer Person pr?zise auf das Vorkommen komplexer Krankheiten schliessen zu k?nnen.? Eine m?gliche Erkl?rung daf¨¹r: Nicht einzelne Ver?nderungen im Genom, sondern vielmehr die Interaktion von Millionen von Basenpaaren in der menschlichen DNA sind f¨¹r komplexe Krankheiten wie Krebs oder Diabetes verantwortlich. Und hier kommt die Informatik ins Spiel.

Datenexplosion in der Genomik

Um solche Interaktionen abbilden und simulieren zu k?nnen, braucht es Unmengen von Daten. Heute ¨C 16 Jahre nach der Ver?ffentlichung der Sequenz des menschlichen Genoms ¨C sind diese verf¨¹gbar. ?Wir erleben aktuell eine Explosion der Datenmengen in mehreren Dimensionen? erz?hlt Borgwardt. Durch technische Fortschritte in der Genomik k?nnen heute Milliarden Basenpaare eines menschlichen Genoms in wenigen Tagen sequenziert werden ¨C und das f¨¹r weniger als 2000 Franken. Das er?ffnet komplett neue M?glichkeiten: Standen fr¨¹her Fragen auf der Molekularebene des Individuums im Vordergrund, so besch?ftigen sich Forschende heute immer mehr mit Fragen auf Populationsebene; letztendlich also mit dem Erbgut der gesamten Menschheit. Zugleich verschiebt sich die ?berwachung des Gesundheitszustands von punktuellen Messungen, zum Beispiel beim j?hrlichen Arztbesuch, zu kontinuierlichen Echtzeitmessungen. Mit ?Wearables? und Smartphone-Apps k?nnen schon heute jederzeit Puls, K?rpertemperatur und Bewegungsmuster aufgezeichnet werden. Zu den neuen M?glichkeiten in Gesundheits¨¹berwachung und Genomik kommt hinzu, dass Patientendossiers in den Spit?lern zunehmend elektronisch verf¨¹gbar sind.

In all diesen Daten steckt grosses Potenzial. Gelingt es, sie gezielt zu nutzen, so k?nnten Therapien personalisiert und deren Wirkung erh?ht werden, so die Hoffnung der Forscher. ?Dabei wird der Zufall zu einer extrem wichtigen Gr?sse?, erkl?rt Borgwardt. Denn ein Algorithmus muss unterscheiden k?nnen zwischen zuf?lligen Zusammenh?ngen zwischen Patientendaten und dem Auftreten einer Krankheit und statistisch-signifikanten. ?Aufgrund der Gr?sse der multidimensionalen Datenr?ume stellen sich klassische Fragen der Statistik komplett neu.? Mit Hilfe eines SNF-Starting Grants entwickelt seine Forschungsgruppe deshalb neue Algorithmen, die statistisch-signifikante Muster in riesigen Datenbergen entdecken. Die Algorithmen sind schneller, ben?tigen weniger Rechenkapazit?t und k?nnen relevante von irrelevanten Daten viel effizienter als bisher trennen.

F¨¹r die Intensivstation

Durch die Fortschritte in der Genomik und die zunehmende Digitalisierung von Patientendaten wird Data Science f¨¹r die Medizin relevant. Das ?European Bioinformatics Institute? prognostiziert, dass bis in f¨¹nf Jahren das Genom von 15 Prozent der Bev?lkerung in Industriel?ndern, also 150 Millionen Menschen, sequenziert sein wird. Gunnar R?tsch, Professor f¨¹r Biomedizininformatik, rechnet vor: Das w?ren rund 28 Exabyte (= 28¡Á10⁹ Gigabyte) an Daten. Um aus solchen Datenmengen f¨¹r Forschung und Patienten Wissen zu gewinnen, das zu pr?ziseren und personalisierten Therapien beitr?gt, sind neue, effiziente Algorithmen n?tig. Diese sollen zum Beispiel in Milliarden von Basenpaaren nach krankheitsrelevanten Interaktionen suchen. R?tschs Gruppe arbeitet im Rahmen eines Projekts im Nationalen Forschungsprogramm 75 ?Big Data? daran, die grossen Genomdatenmengen effizient zu speichern und zu analysieren. ?Wir befinden uns mitten in einem Durchbruch!?, sagt der Datenwissenschaftler euphorisch.

Doch wie k?nnen Patienten konkret von solchen smarten Algorithmen profitieren? R?tsch pr?sentiert ein praktisches Beispiel: In enger Zusammenarbeit mit dem Inselspital Bern entwickelt seine Gruppe zusammen mit der Gruppe von Borgwardt ein Fr¨¹hwarnsystem f¨¹r Organversagen auf der Intensivstation. W?hrend zehn Jahren hat das Spital von nahezu 54 000 Patienten Daten zu Blutdruck, Puls, Temperatur, Medikamenteinnahme, Glukose- und Laktosestand sowie Elektrokardiogramm (EKG) aufgezeichnet. R?tsch entwickelt nun Algorithmen, um diese 500 Gigabyte an Daten mit rund 3,5 Milliarden Einzelmessungen auf Muster hin zu analysieren, die auf einen baldigen Notfall hindeuten. ?rzte und Pfleger k?nnten dadurch k¨¹nftig Massnahmen einleiten, bevor sich der Gesundheitszustand eines Patienten sichtbar verschlechtert. F¨¹r solche Systeme ist maschinelles Lernen n?tig, ein wichtiges Teilgebiet der Data Science. Programme sollen aus einem gegebenen Datensatz Muster und Gesetzm?ssigkeiten erkennen und dadurch kontinuierlich hinzulernen.

Automatisierte Radiologie

Nicht nur bei der Auswertung von Patientendaten, sondern auch bei der Weiterentwicklung von medizinischen Ger?ten spielt maschinelles Lernen eine wichtige Rolle. So zum Beispiel bei der Magnetresonanztomographie (MRI), die heute, besonders bei Weichteilen, zu den wichtigsten medizinischen Untersuchungsmethoden geh?rt. Klaas Pr¨¹ssmann, Professor am Institut f¨¹r Biomedizinische Technik, das von der ETH und Universit?t Z¨¹rich gemeinsam betrieben wird, hat sich der Weiterentwicklung der MRI verschrieben. In einem k¨¹rzlich publizierten Artikel beschreibt er ein System, das mit 30 Temperatur- und 16 Magnetsensoren eine Selbstdiagnose des MRI-Ger?ts erstellt. Bei verd?chtigen Mustern k?nnten Techniker k¨¹nftig fr¨¹hzeitig gewarnt und so Ausfallzeiten des Ger?ts im Spital verk¨¹rzt und Kosten gespart werden.

Auch Pr¨¹ssmann sp¨¹rt in seinem Forschungsbereich aktuell ?den Vorabend einer Goldgr?berzeit?. Er geht davon aus, dass Data Science in Zukunft nicht nur MRI-Ger?te, sondern auch die Bildgebung an sich ver?ndern wird. ?Wenn es uns gelingt, bei MRI-Aufzeichnungen relevantes Vorabwissen, zum Beispiel, dass wir ein Hirn und nicht ein Herz untersuchen, in eine f¨¹r unser System verwertbare Form zu bringen, k?nnten wir die Geschwindigkeit, Effizienz und Aussagekraft der Messungen stark steigern.? Zugleich prognostiziert Pr¨¹ssmann auch f¨¹r die Radiologie gr?ssere Umbr¨¹che. In Zukunft wird es n?mlich m?glich, Millionen von bestehenden MRI-Bildern mit einer aktuellen Messung zu vergleichen. Daraus k?nnen wichtige Hinweise auf bestimmte Krankheiten gewonnen werden. Zudem k?nnen Algorithmen Muster in MRI-Bildern erkennen, die von blossem Auge nicht sichtbar sind.