Big Data in der Medizin

Fortschritte bei Diagnose und Behandlung

In der Zukunft könnte es Medikamente geben, die individuell auf jeden Patienten zugeschnitten sind. Ärzte operieren mit 3D-Datenbrillen und können so präziser arbeiten. Diagnosen seltener Krankheiten, die heute noch Jahre dauern können, erfolgen innerhalb weniger Tage.

Big Data

Big Data | Bernhard Schmidt, TU München

Wissenschaftler und Wissenschaftlerinnen der der Technischen Universität München (TUM) forschen an neuen digitalgestützten Behandlungsmethoden und dem Umgang mit Big Data in der Medizin – erste Ergebnisse werden bereits im Operationssaal eingesetzt.

„Allein die moderne molekulare Medizin hat im Jahr 2015 mehr Daten erzeugt als im gesamten Zeitraum von 1990 bis 2005“, sagt Burkhard Rost, Professor für Bioinformatik an der TUM. „Und in diesem Tempo wird das auch weitergehen.“ Bisher aber hinken Aufbereitung, Analyse und Anwendung dieser Datenschätze noch weit hinter den technischen Möglichkeiten her.

Woran es noch fehlt, sind entsprechende Algorithmen und die Verknüpfung so unterschiedlicher Fächer wie Medizin und Biologie einerseits und Informatik andererseits. „Die Interpretation der gigantischen Datenmengen kann ein Biologe gar nicht selbst leisten“, betont Hans-Werner Mewes, Professor für Genomorientierte Bioinformatik an der TUM. „Hier braucht man bioinformatische Methoden.“

An der TUM hat sich eine ganze Reihe von Wissenschaftlern verschiedener Disziplinen dem Ziel verschrieben, den Datenschatz der Lebenswissenschaften zu heben und ihn für Forscher, Patienten, Ärzte und Kliniken nutzbar zu machen. Außerdem kümmern sich Spezialisten um die Datensicherheit. Zusammen mit dem Großrechner im Garchinger Leibniz-Rechenzentrum verfügt die Hochschule damit über eine einzigartige Infrastruktur für Bio- und Medizininformatik.

Crowdsourcing – Datenanalyse als Computerspiel

Medizinische Daten liegen heute noch ziemlich ungeordnet vor: Labordaten von Blut- oder histologischen Untersuchungen, biochemische Informationen aus der Entschlüsselung der Erbanlagen (Genom) und der körpereigenen Eiweißbausteine (Proteom), statistische Ergebnisse aus unzähligen Experimenten und klinischen Studien sowie Bilddaten. Big Data also, aber in dieser Form nicht zugänglich für den praktischen Einsatz. Deshalb suchen Forscher nach Strategien, wie man die Flut der Informationen ordnen und in einheitlichen Datenbanken bündeln kann. Man erklärt und ergänzt sie durch Annotationen, die Auskunft über Herkunft, Eigenschaften und Inhalt der Daten geben.

Am Lehrstuhl für Informatikanwendungen in der Medizin & Augmented Reality von Professor Nassir Navab arbeiten Forscher unter anderem daran, die Zuordnung solcher Annotationen zu vereinfachen. „Ärzte und Laborpersonal haben in der Regel keine Zeit, sich um die Aufbereitung ihrer Daten zu kümmern“, sagt Shadi Albarqouni. Er hat deshalb ein Projekt entwickelt, in dem die Mitwirkung vieler Internetnutzer möglich wird. Crowdsourcing heißt dieses Verfahren und beruht darauf, dass jeder, der Zeit und Lust hat, sich an der Erledigung bestimmter digitaler Aufgaben beteiligen kann. In Albarqounis Fall ist es die Analyse histologischer Gewebeschnitte, etwa bei Brustkrebs.

Krebszellen "wegschießen"

„Man muss dem Computer sagen, welche Zelle auf dem Bild eine Krebszelle ist, damit er daraus lernen und am Ende Krebszellen selbständig erkennen kann“, erklärt der Forscher. „Das ist im Prinzip eine äußerst langwierige Tätigkeit, und meist werden aus Zeitgründen auch nicht alle derartigen Zellen in einem Histologieschnitt erfasst.“ Um auch nicht erfahrene Internetbenutzer in solche Auswertungen mit einzubeziehen, hat er ein Computerspiel entwickelt, das zum Ziel hat, möglichst viele bösartige Krebszellen „wegzuschießen“.

„In dieser Spielumgebung haben die Leute Spaß daran und zielen nur auf Objekte, die einer Krebszelle besonders ähneln.“ Der Computer registriert die „abgeschossenen“ Zellen und gibt ihnen intern die Annotation „Krebszelle“.

Lesen Sie auf den folgenden Seiten weitere interessante Anwendungsgebiete.