Entdecken

Assistenzprogramme in der Medizin

Der digitale Experte

Diagnose mithilfe medizinischer Daten: Computerprogramme unterstützen Ärzt*innen immer mehr dabei, Krankheiten zu erkennen und geben ihnen Behandlungsempfehlungen.

Immer auf dem neuesten Stand zu sein – das ist auch für Ärzt*innen nicht einfach. Denn das medizinische Wissen verdoppelt sich heute alle 75 Tage.[1] Eine riesige Informationsflut, die bewältigt werden will. Hilfe können Computer bieten. Digitale Expertensysteme lotsen Mediziner*innen durch die Flut an Therapieempfehlungen und suchen nach dem passenden Behandlungsansatz. Oder sie checken als „automatischer Wachhund“ die Labordaten der Patient*innen und schlagen Alarm, wenn es Probleme gibt. Wie solche Assistenzprogramme entwickelt werden und wo sie zum Einsatz kommen können, zeigen wir anhand von zwei Beispielen.


Beispiel 1: Mit Algorithmen gegen Krebs

Für jede*n mit der gleichen Krankheit die gleiche Therapie – das ist Vergangenheit. Ärzt*innen entwickeln heute maßgeschneiderte Behandlungen. Bei Krankheiten wie Blut-, Brust- oder Darmkrebs ist es möglich, dass unterschiedliche Patient*innen jeweils andere, individualisierte Medikamente bekommen. Um eine geeignete Therapie zu finden, wird beispielsweise mittels „molekularem Profiling“ ein sogenannter solider Tumor, der in unterschiedlichen Organen seinen Ursprung nehmen kann, untersucht. Dabei können über 33.000 Genvarianten dargestellt und auf Veränderungen im Zusammengang mit dem Krebs geprüft werden – und diese Zahl nimmt rasant zu.

Manche Veränderungen der Gene sind relevant für den Krankheitsverlauf, andere wiederum nicht. „Die passende Therapie im Kopf parat zu haben, ist deshalb unmöglich“, sagt Professor Dirk Hempel, Leiter des Onkologischen Zentrums Donauwörth. An Behandlungszentren in Bayern testet er das digitale Expertensystem „HämaNavigation“. Es prüft in einer Datenbank, welche Therapien bei welchen Genveränderungen infrage kommen. Anhand von Leitlinien sowie aktuellen Forschungsergebnissen schlägt das Programm eine Behandlung vor und liefert passende Studien. Die Leitlinien sind Wegweiser für Ärzt*innen, die auf wissenschaftlichen Erkenntnissen und in der Praxis bewährten Verfahren beruhen. Sie werden von Expert*innen und medizinischen Fachgesellschaften erstellt. Weitere Informationen zu den genutzten Leitlinien unter https://www.esmo.org/Guidelines und https://www.nccn.org/professionals/physician_gls/default.aspx.

Prognose per Computer

Entwickelt wurde der digitale Assistent am Steinbeis Institut für Hämatoonkologie und dem Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB. Getestet wird das Computerprogramm bei Patient*innen im Rahmen der Routineversorgung, beispielsweise beim sogenannten myelodyplastischen Syndrom, bei dem das Knochenmark geschädigt ist und die Blutbildung nicht mehr richtig funktioniert. „Bei manchen Patient*innen entwickelt sich daraus relativ schnell eine akute Leukämie, bei anderen ist das Syndrom eher gutartig“, so Hempel. „Je mehr Genveränderungen, desto höher ist dabei in der Regel die Wahrscheinlichkeit, dass der Krankheitsverlauf kritisch ist.“ Das System berechnet, wie hoch das Risiko für die Patient*innen ist. Gegebenenfalls können behandelnde Ärzt*innen frühzeitig ein Medikament verabreichen, das den Ausbruch der Leukämie verhindert.

Hempel zieht ein positives Fazit nach den ersten Tests: „Die Medizin wird derzeit durch Immun- und Gentherapien revolutioniert. Digitale Systeme wie HämaNavigation sind unverzichtbar, um mit dieser Entwicklung Schritt zu halten.“ HämaNavigation ist seit Januar 2019 im Einsatz. Der Nutzen des Systems bei der Behandlung wird gerade ausgewertet (Stand November 2019).

Beispiel 2: Schnellere Therapie dank künstlicher Intelligenz

Allein in Deutschland erleiden jährlich rund 260.000 Menschen einen Schlaganfall.[4] Je früher die Betroffenen die richtige medizinische Betreuung bekommen, desto größer sind die Chancen, Schäden im Gehirn zu vermeiden. Jede Minute zählt, um das Absterben von Gewebe zu vermeiden. Das holländische Start-up Nico.lab entwickelt beispielsweise deshalb einen digitalen Assistenten, der Ärzt*innen dabei helfen soll, möglichst schnell die richtige Diagnose und die passende Behandlung einzuleiten.

Der sogenannte „StrokeViewer“ soll Mediziner*innen dabei unterstützen, die Hirnbilder betroffener Patient*innen schneller auszuwerten. Um die Ursachen des Schlaganfalls festzustellen, werden meist Aufnahmen im Computertomografen gemacht. Frühe Anzeichen für einen Schlaganfall sind im Hirnscan jedoch nicht immer leicht zu erkennen – selbst für geübte Ärzt*innen. Ein dunkelgrauer Fleck auf dem Hirnbild weist auf einen Schlaganfall hin, der durch ein Blutgerinnsel ausgelöst wurde. Ein weißer Fleck spricht für eine Hirnblutung. Wird die falsche Therapie gewählt, kann das lebensgefährlich für die Patient*innen werden.[5]

Die Software von Nico.lab wertet die Bilder des Computertomografens mittels „Künstlicher Intelligenz“ aus. Und das schneller, als es bei einer manuellen Auswertung durch Ärzt*innen bisher möglich war. Dafür wurden Algorithmen mit Daten von Schlaganfallpatient*innen trainiert. So ist das System nun in der Lage, Veränderungen im Hirnscan zu erkennen und anzuzeigen, wo sich zum Beispiel ein Blutgerinnsel gebildet hat.

Die Software berechnet außerdem, wie viel Blut durch die großen Hirnarterien fließt. Dadurch können die Ärzt*innen abschätzen, ob es Umleitungen gibt, die dafür sorgen, dass die betroffenen Hirnbereiche trotz eines Gerinnsels mit Blut versorgt werden. Je besser diese sogenannten Kollateralwerte sind, desto eher profitieren die Patient*innen von einer bestimmten Behandlung. Damit die Ärzt*innen die Werte abschätzen konnten, musste den Betroffenen bisher ein Kontrastmittel verabreicht werden.[6] Der „StrokeViewer“ von Nico.Lab wird derzeit noch weiterentwickelt und in klinischen Studien getestet. 15 Krankenhäuser in Amsterdam haben aber bereits ihr Interesse bekundet.[7]

Quellen und Literaturangaben

[1] https://healthcare-in-europe.com/en/news/artificial-intelligence-is-the-rocket-big-data-is-the-fuel.html
[2] Interactive Decision Support: A Framework to Improve Diagnostic Processes of Cancerous Diseases Using Bayesian Networks (Patrick Philipp, Sebastian Robert, Dirk Hempel, Jürgen Beyerer), 2018
[3] Modeling of Clinical Practice Guidelines for an Interactive Decision Support Using Ontologies (Patrick Philipp, Marie Bommersheim, Sebastian Robert, Hempel Dirk, Jürgen Beyerer), 2018
[4] https://www.dsg-info.de/presse/pressemeldungen.html
[5] https://www.spektrum.de/magazin/schlaganfall-diagnose-per-algorithmus/1570810
[6] https://www.spektrum.de/magazin/schlaganfall-diagnose-per-algorithmus/1570810
[7] https://wholesaleinvestor.com.au/nico-lab-wins-grant-from-european-union-for-700k-approached-to-use-strokeviewer-in-3-clinical-trials/)