Big Data: Forscher sehen großes Potenzial in der Medizin

Big Data gepaart mit Anwendungen der künstlichen Intelligenz könnte künftig das Gesundheitswesen in verschiedenen Bereichen positiv beeinflussen – so Forscher. Die täglich anfallenden Mengen digitaler medizinischer Daten bieten ausgewertet das Potenzial, Erkrankungen besser zu verstehen oder das Gesundheitssystem kostengünstiger zu gestalten. Doch welche Herausforderungen sind auf dem Weg dahin noch zu meistern?

Big Data birgt in der Medizin großes Potenzial, denn täglich fallen in diesem Bereich sehr große Mengen an Daten an. Diese stellen sich zusammen aus Ergebnissen

• bildgebender Verfahren, (z.B. MRT, CT usw.)
• feingeweblichen (histologischen) Untersuchungen und anderen
• Laborbefunden (z. B. Blut- oder Urinproben),
• Arztbriefen,
• Verschreibungen,
• Forschungsdaten und
• persönlicher Einschätzungen der Patienten zu Symptomen und Behandlung aus Studien.

Wissenschaftler gehen davon aus, dass die Gesamtheit all dieser unterschiedlichen Datenarten dazu beitragen können Erkrankungen besser zu verstehen und die Diagnostik zu erleichtern. Auch die Entwicklung von individuell zugeschnittenen Behandlungsstrategien könnte durch Big Data noch stärker als heute beflügelt werden.

Der Einsatz von Big Data wird von verschiedenen Trends bestimmt. So hat sich die Einstellung der Gesellschaft zur Gesundheit in den letzten Jahren geändert und einen hohen Stellenwert eingenommen. Dies zeigt sich beispielsweise in der gestiegenen Nutzung von Wearables und Gesundheitsapps. Diese erlauben es, die tägliche Schrittzahl, Puls und andere gesundheitsbezogene Daten zu überwachen. Anwender nutzen diese Daten dazu, ihr eigenes Verhalten zu reflektieren und damit auch den Gesundheitszustand zu erhalten oder zu verbessern. Gleichzeitig steigt auch der Anspruch erkrankter Menschen an die Medizin, auf eine individuell zugeschnittene Therapie und die Prävention von Erkrankungen an.

Das Sammeln und Auswerten dieser Daten ist allerdings auch aus ökonomischer Sicht interessant, da sich so beispielsweise Kostenfaktoren mit möglichen Einsparungspotenzialen leichter aufdecken ließen. Hier ist der demografische Wandel ein treibender Faktor. Dieser stellt das Gesundheitswesen vor die Herausforderung, die Digitalisierung im Gesundheitswesen und neue Technologien so zu nutzen, dass sich die Versorgungsqualität- und die -effizienz trotz der veränderten Anforderungen verbessern und steigern lassen.

Um diese großen Datenmengen jedoch nutzen zu können, braucht es die künstliche Intelligenz (KI). Denn das neudeutsche Wort Big Data steht für große Datenmengen die entweder zu groß, komplex, zu schwach strukturiert, nicht einheitlich oder zu schnelllebig sind.

Diese Unterschiedlichkeit der Datenarten erschwert es, sie mit manuellen oder anderen herkömmlichen Methoden der Datenverarbeitung effizient auszuwerten. KI-gestützte Anwendungen nutzen dazu jedoch verschiedene Algorithmen und sind somit in der Lage, die Ergebnisse in einen Zusammenhang zu bringen und anschaulich darzustellen.

Das erleichtert bereits in vielen Kliniken die Diagnose und beschleunigt auch die Entscheidung für die geeignete Behandlungsstrategie und den Behandlungsbeginn. Ein Beispiel für den möglichen Vorteil des KI-Einsatz im klinischen Alltag ist die Diagnose bei Hautkrebs. In einer Studie, in der erfahrene Dermatologen gegen einen Algorithmus antraten, stellten nur sieben eine sicherere Diagnose als die KI.

Doch nicht immer ist der Algorithmus besser als der Mensch: So erkannten in einem Test viele algorithmusbasierte Hautkrebs-Apps für private Anwender die gefährliche Erkrankung oft nicht. Damit schnitten sie schlechter ab als die kostenpflichtige und internetgestützte Anwendung Online Hautarzt – AppDoc, bei der die eingesendeten Fotos verdächtiger Hautstellen von erfahrenen Dermatologen bewertet wird. Dies legt die Vermutung nahe, dass auf dem Weg zu einer sicheren Diagnose mittels Big Data bestimmte Voraussetzungen gegeben sein müssen. Diese sind jedoch mit einigen Herausforderungen verbunden, zum Beispiel der ausreichenden Anzahl an Datensätzen.

In verschiedenen Bereichen bietet der Einsatz von Big Data und unterstützender KI eine enorme Erleichterung bei der Entscheidungsfindung. Dennoch ist das Thema immer noch Bestandteil intensiver Forschung. Dabei liegt das Interesse beispielsweise auf ethischen, sozialen, beruflichen und technischen Schlüsselaspekten. Zu diesen zählen

• die Mensch-Maschine-Interaktion,
• das professionelle Selbstbild des Arztes,
• Arbeitsabläufe und das
• Arzt-Patienten-Verhältnis.

Auch wenn KI-Anwendungen den Ärzten die Entscheidung für die geeignete Therapie einfacher machen, können sie diese den Experten nicht abnehmen. Doch ist hier bereits ein Knackpunkt erreicht, denn für Ärzte gilt das gleiche wie für andere Menschen auch: Digitale Systeme haben einen großen Einfluss auf die menschliche Entscheidung – woraus sich wichtige Herausforderungen in Bezug auf Verantwortung, Sicherheit und Autonomie ergeben.

Eine weitere Herausforderung stellt der Datenschutz dar. Zwar lassen die Daten durch Anonymisierung keinen Rückschluss auf einzelne Personen zu, die Diskriminierung von Personengruppen, zum Beispiel mit einer bestimmten Erkrankung, lässt sich so aber nicht verhindern.

Hinzu kommt, dass die Ergebnisse einer KI-unterstützten Anwendung umso zuverlässiger sind, je mehr Daten sie zur Auswertung zur Verfügung hatte. Jedoch sind die digitalen Daten nicht gleichmäßig über die gesamte Bevölkerung verteilt. Der Grund dafür ist, dass höheres Alter, weibliches Geschlecht und ein niedriger Bildungsstatus mit einer geringeren Nutzung des Internets verbunden sind. So fehlen dem Algorithmus wichtige Daten von Wohnungslosen, Menschen ohne Papiere, Sexarbeitern und Kindern aus armen Familienverhältnissen. Damit sind Informationen aus Big Data nicht immer repräsentativ. Hinzu kommt, dass individuelle Faktoren wie Bedürfnisse, persönliche Vorstellungen oder Wünsche der Patienten den Entscheidungsprozess zum Teil maßgeblich mit beeinflussen. Diese kann eine KI aber nicht generalisiert in ihre Berechnungen miteinbeziehen. In der Medizin bedeutet das, dass Ergebnisse aus der KI-Anwendung kritisch zu hinterfragen und nur als eine mögliche Entscheidungshilfe zu sehen sind.

Big Data bietet in der Medizin viele Vorteile, indem die KI-unterstützten Anwendungen die Entscheidungsfindung für die passende Therapie erleichtern und auch den Behandlungsbeginn beschleunigen können. Doch gibt es bei der Anwendung wichtige Knackpunkte zu beachten, unter anderem die Beeinflussbarkeit des Arztes durch das Ergebnis der KI sowie die Zuverlässigkeit der Anwendung. Denn diese ist umso zuverlässiger, je mehr Daten sie zur Verarbeitung zur Verfügung hatte. Das zeigt auch das Beispiel von manchen Hautkrebs-Apps, die der Erfahrung von Dermatologen unterlegen waren.

Veröffentlicht am: 21.01.2025

[1] Aktuelle Meldungen 2020 des Bundesministeriums für Bildung und Forschung. ELSA-Forschung zur Digitalisierung in der Medizin. Unterstützung ja, autonome Entscheidung nein? https://www.gesundheitsforschung-bmbf.de/de/unterstutzung-ja-autonome-entscheidung-nein-11500.php

[2] Aktuelle Meldungen 2020 des Bundesministeriums für Bildung und Forschung. ELSA-Forschung zur Digitalisierung in der Medizin. Algortihmen – Entscheidungshelfer im Klinikalltag. https://www.gesundheitsforschung-bmbf.de/de/algorithmen-entscheidungshelfer-im-klinikalltag-11504.php

[3] Spranger, J., Niederberger, M. Big Data in der Gesundheitsförderung und Prävention. Präv Gesundheitsf 17, 156–162 (2022). https://doi.org/10.1007/s11553-021-00871-8