KI-gestützte Analyse großer Datenmengen für die Präzisionsmedizin
Die Analyse umfangreicher Datenmengen (Big Data) im Gesundheitswesen, u. a. Patienten-, Omics- und medizinische Bildgebungsdaten, ist noch immer eine Herausforderung. Im Gegensatz zur ausgereiften technologischen Erfassung von Daten hinkt allerdings die Infrastruktur, die die Daten zusammenführen und abfragen soll, noch hinterher. Um gesundheitspolitische Entscheidungsprozesse zu optimieren, müssen diese Daten in aussagefähige Informationen umgewandelt werden.
Plattform für KI-gestützte Datenanalyse
Das EU-finanzierte Projekt iASiS brachte für die Entwicklung einer Datenanalyseplattform Expertise aus fünf Ländern in den Bereichen Medizin, Genomik, Neurowissenschaften und KI zusammen. „Im Vorfeld und parallel zu iASiS wurden verschiedene Technologien für die personalisierte Medizin entwickelt, die hauptsächlich genetische Daten erfassen. iASiS ging über den technischen Stand hinaus, indem es einen generischen Rahmen entwickelte, mit dem verschiedenste Datentypen zusammengeführt werden können“, erklärt George Paliouras, Koordinator von iASiS und Forschungsdirektor am Nationalen Zentrum für wissenschaftliche Forschung „Demokritos“, Griechenland. Das Projekt entwickelte den „iASiS Knowledge Graph“ als nutzerfreundliche Plattform, die Daten aus verschiedenen Quellen zusammenführt, u. a. aus Krankenhausakten, genetischen Datenbanken und Fachbeiträgen. Das Diagramm verknüpft verschiedene Informationen zu einer großen Netzwerkstruktur, die die Suche nach interessierenden Mustern und verwertbaren Erkenntnissen vereinfacht. Für Medizinforschung und Gesundheitspolitik bietet der Knowledge Graph die Möglichkeit, interessante Hypothesen zu beurteilen und ganz neue Zusammenhänge zu erkennen. So könnte bei Krebskranken mit einer spezifischen Mutation etwa nach Zusammenhängen zwischen bestimmten Medikamentenkombinationen und Krankheitsprognosen gesucht werden, was dem Konzept der personalisierten Therapie entspricht.
Test der iASiS-Plattform
Der von iASiS entwickelte Rahmen wurde nach den Wünschen der Nutzer getestet und optimiert. Beim Design stand die personalisierte medizinische Entscheidungsfindung zur Diagnose, Prognose und Behandlung im Vordergrund. Zudem werden Empfehlungen zur Analyse und Integration verschiedener Datentypen gegeben. Im Projektverlauf wurde die iASiS-Technologie für Lungenkrebs und Demenz getestet – zwei bedeutsame Krankheiten, bei denen personalisierte Therapien unerlässlich sind. Die Frühdiagnose der Alzheimer-Krankheit ist aus medizinischer Sicht noch sehr schwierig. „Indem die iASiS-Plattform Daten aus der Anamnese (etwa Alter, Geschlecht, Tabak- und Alkoholkonsum) mit Ergebnissen aus Gedächtnistests kombiniert, können ärztliche Entscheidungen vereinfacht und patientenspezifische Prognosen präzisiert werden,“ erläutert Paliouras. So kann sofortige Unterstützung und gegebenenfalls Nachsorge geleistet werden, um die allgemeine Lebensqualität zu verbessern.
Bedeutung von iASiS für die translationale Forschung
Aus den vielen interessanten Forschungsideen des Projekts iASiS gingen Prototypen und zwei entsprechende Patentanmeldungen hervor. Derzeit entwickelt das Start-up LangAware eine Sprachanalysetechnologie, die frühe Symptome einer Alzheimer-Erkrankung erkennt. Weiterhin wurden potenzielle Vorhersageindikatoren für die Alzheimer-Krankheit, die Wirksamkeit von Therapien sowie Toxizitätsbiomarker für Lungenkrebs identifiziert. Für die Onkologie unterstützt die neue translationale Plattform P4-LUCAT die Suche nach der optimalen Therapie gegen Lungenkrebs, die künftig im Krankenhaus Puerta de Hierro Majadahonda in Spanien zum Einsatz kommen soll. „Insgesamt demonstrierte iASiS die KI-gestützte Auswertung von Big Data als Unterstützung für patientenspezifische medizinische Entscheidungen“, schließt Paliouras. Langfristig könnte die Plattform auch für andere Krankheiten erweitert werden, etwa für COVID-19, was bereits begonnen hat.
Schlüsselbegriffe
iASiS, Plattform, Big Data, KI, Lungenkrebs, Alzheimer, personalisierte Medizin, Künstliche Intelligenz
