Eine Medizinerin und ein Mediziner sitzen am Schreibtisch vor einem Bildschirm mit Datenanalysen. Sie beraten sich.
Wie künstliche Intelligenz dabei helfen kann, Fachwissen zu verbreiten und fundierte Handlungsempfehlungen zu liefern, zeigt ein Forschungsprojekt am Beispiel der Raucherlunge. © Johny Georgiadis/unsplash

 

Es ist ein bekanntes Problem in der Medizin: Nicht jedes Krankenhaus und nicht jede Arztpraxis hat das gleiche Know-how. Manche Kliniken sind auf bestimmte Krankheiten spezialisiert und können dafür bessere Behandlungsmöglichkeiten anbieten als andere. Das Team unter der wissenschaftlichen Leitung von Dieter Maier will das ändern und medizinisches Expertenwissen breiter verfügbar machen. Konkret entwickeln die Forscherinnen und Forscher im Rahmen des internationalen Forschungsprojekts SysMed-COPD, das vom Wissenschaftsfonds FWF teilfinanziert wird, Computermethoden, um mithilfe von Maschinenlernen das Spezialwissen einer Klinik für Lungenrehabilitation für andere medizinische Einrichtungen verfügbar zu machen. Dabei geht es um die Behandlung von Raucherlunge. Trotz vieler Maßnahmen gegen Rauchen ist das Problem nach wie vor akut. Weltweit werden jedes Jahr über fünf Billionen Zigaretten geraucht, an den Folgen sterben jährlich sieben Millionen Menschen.

„Medizinisch gesehen ist die Raucherlunge eine Erkrankung, die auf inhalierte Giftstoffe und kleinste Partikel zurückgeht“, erklärt Dieter Maier. „Rauchen ist in unseren Breiten die Hauptursache dafür, aber es kann auch andere Auslöser geben.“ Das Krankheitsbild der Erkrankung, die in der Medizin COPD heißt – eine Abkürzung aus den englischen Ausdrücken für „chronisch“, „blockieren“ und „Lunge“ –, ist dabei nicht einfach zu fassen. „Das Problem hat zwei Seiten. Zum einen betrifft diese Erkrankung nur 20 Prozent der Rauchenden. Wir würden gern vorhersagen können, wen es betreffen wird“, sagt Maier. „Das zweite Thema ist, dass es bei einer COPD-Erkrankung verschiedene Möglichkeiten gibt, therapeutisch einzugreifen. Im Moment ist nur sehr schwer vorhersagbar, welche dieser Möglichkeiten bei einer einzelnen Person einen positiven Effekt hat. Daran arbeiten wir.“

Die Schwierigkeit liege in den Unterschieden, wie sich COPD äußert, so Maier: „Es gibt Menschen, die eine Einschränkung der Atmung haben und nur mehr eine bestimmte Menge Luft aufnehmen können, weil die Lunge starrer wird, die aber ansonsten vom Organismus her nicht auffällig sind. Andere entwickeln zusätzlich Herzprobleme. Bei diesen verändert sich nicht nur die Lungenbeweglichkeit, sondern auch das Verhältnis von Durchblutung zur Sauerstoffaufnahme und damit die Herzfunktion.“ Außerdem gebe es Menschen, die schwere psychische Symptome wie Depressionen entwickeln. „Es gibt hier viele unterschiedliche Behandlungsoptionen. Das ist im Moment der ärztlichen Kunst überlassen und eine Sache der Erfahrung. Diese Informationen versuchen wir im Rahmen dieses Projekts durch maschinelles Lernen zu fassen“, erklärt der Forscher.

Daten einer Spezialklinik

Das Unternehmen Viscovery, für dessen Mutterfirma Biomax Maier arbeitet, kann zur Lösung dieser Frage auf Daten der CIRO-Klinik in den Niederlanden zurückgreifen. Zwischen Viscovery und diesem Zentrum, das speziell auf Lungenrehabilitation ausgerichtet ist, gibt es seit 2012 eine Zusammenarbeit. „Dort hat man über die Jahre sehr viel Erfahrung gesammelt, welche Rehabilitationsmaßnahmen für COPD erfolgversprechend sind“, sagt Maier. Um dieses Wissen zu erfassen, untersuchte man die Krankheitsverläufe von Patientinnen und Patienten der Klinik. „Wir haben diese Daten mit maschinellem Lernen analysiert, um zu sehen, ob wir Gruppen von Personen identifizieren können, die eventuell besonders von bestimmten Behandlungsmethoden profitieren. Das ist gelungen und wurde auch publiziert“, berichtet der Forscher.

Nun gehe es darum, diesen Ansatz auf größere Gruppen von COPD-Betroffenen anzuwenden und mit dem Behandlungserfolg über mehrere Jahre abzugleichen. Dazu nutzt Maier die Daten einer von der Universität Marburg koordinierten großen klinischen Studie namens COSYCONET, an der über 2700 Personen mit COPD teilnehmen. Erste Ergebnisse sind erfolgversprechend, sagt Maier: „Es gelang uns in unserer Analyse, die Gruppen, die wir bei CIRO identifizieren konnten, wiederzufinden.“ Im nächsten Schritt untersuchen wir, wie weit sich diese Gruppen im langfristigen Behandlungserfolg unterscheiden. Ein Ziel der Forschung ist es, diese Informationen in ein Softwaretool zu implementieren, das in der IT-Infrastruktur von Arztpraxen und Kliniken funktioniert. Diese Software muss als Medizinprodukt zugelassen werden, wofür es besonders strenge Kriterien gibt.

Personalisierte Medizin als Ziel

Neben der Softwareentwicklung, die nach Abschluss dieses Grundlagenprojekts in ein kommerzielles Medizinprodukt überführt werden soll, treibt die Wissenschaftlerinnen und Wissenschaftler noch ein anderes Ziel an: Sie wollen über die reine Abbildung von bisher vorhandener medizinischer Erfahrung hinausgehen. „Es könnte mithilfe des Maschinenlernens gelingen, noch bessere Empfehlungen abzugeben, als das derzeit die Expertinnen und Experten ihres Fachs weltweit können“, so die Hoffnung der Forschungsgruppe.

Maier sieht COPD nur als eines von vielen möglichen Anwendungsgebieten einer solchen Software. Er spricht dabei von „Systemmedizin“. Besonders bei Krebs ist inzwischen bekannt, dass dieser von Person zu Person unterschiedlich ist. „Man geht dazu über, für einzelne Patientinnen und Patienten das Krebsgewebe zu sequenzieren, um zu verstehen, welche Mutationen es gibt, und stimmt die Behandlung darauf ab“, berichtet Maier. Seit zwei, drei Jahren werde das zunehmend auch in der klinischen Praxis angewandt. Auch hier braucht es für die Abstimmung der individuellen Behandlung Softwaretools. Universitätskliniken haben die IT-Infrastruktur, so etwas umzusetzen, doch andere medizinische Einrichtungen brauchen Softwareunterstützung. Maier rechnet mit einer breiten Anwendung solcher Methoden in den nächsten Jahren.

Der Forscher hält aber fest, dass es hier nicht darum geht, Menschen durch Maschinen zu ersetzen: „Die menschliche Zuwendung ist in der Medizin sehr wichtig. Was wir erreichen wollen ist, Ärztinnen und Ärzte mit einer wissenschaftlich fundierten Handlungsempfehlung zu unterstützen.“ Und dabei gehe es sowohl um die Behandlung als auch um die Diagnose.

Internationales Projekt

Dass Unternehmen Förderungen für Grundlagenprojekte erhalten, sei selten, aber wichtig, wie Maier betont. „Wir sind ein kleines Unternehmen und haben zwar die nötige Technologie, aber nicht die Kapazität, eine solche Validierung mit Patientendaten zu finanzieren.“ Das Grundlagenprojekt, das 2017 startete und noch bis Juni 2022 läuft, ist Teil eines internationalen Forschungsverbundes unter Beteiligung der Universitätsklinik im deutschen Marburg sowie anderer deutscher Kliniken, der CIRO-Klinik in den Niederlanden und der Technisch-Naturwissenschaftlichen Universität Trondheim in Norwegen. Das Problem Raucherlunge wird in Zukunft weiterhin drängend bleiben, sagt Maier: „In westlichen Industrieländern sinkt die Zahl der Erkrankten, aber das wird mehr als aufgehoben vom internationalen Anstieg.“


Zur Person

Dieter Maier ist ursprünglich Molekularbiologe, arbeitet seit über 20 Jahren als Computerbiologe und leitet im Unternehmen Biomax mit Sitz in München die Abteilung für Projektmanagement mit einem Fokus auf systemmedizinische und wissenschaftliche Projekte. Er interessiert sich besonders für Wissensmanagement, Modellierung von Signalwegen und Datenanalyse.


Publikationen

Franssen FM, Alter P, Bar N, Benedikter BJ et al.: Personalized medicine for patients with COPD: where are we?, in: International Journal of Chronic Obstructive Pulmonary Disease, 2019

Cano I, Tényi Á, Schueller C, Wolff M et al.: The COPD Knowledge Base: enabling data analysis and computational simulation in translational COPD research, in: Journal of Translational Medicine, 2014

Vanfleteren LEGW, Spruit MA, Groenen M, Gaffron S et al.: Clusters of Comorbidities Based on Validated Objective Measurements and Systemic Inflammation in Patients with Chronic Obstructive Pulmonary disease, in: American Journal of Respiratory Critical Care Medicine, 2013