Wenn künstliche Systeme mehr sehen

Leidet dieser Patient an Epilepsie? Für eine sichere Diagnose sind viele Informationen notwendig: Mittels eines EEG (Elektroenzephalogramm) müssen Mediziner die Gehirnaktivitäten des Patienten messen und diese dann in einem komplexen Verfahren interpretieren und mit früheren Daten vergleichen. Oft finden sich Messdaten zu einem einzigen Patienten verstreut in mehreren Praxen und Kliniken. Erst die Zusammenschau aller Daten bringt vollständige Sicherheit.

Welche Chancen, aber auch welche Risiken bringt die Digitalisierung mit sich? In der Medizin etwa verspricht man sich viel davon, die vorhandene Datenfülle von Patienten zukünftig zusammenzuführen – und sie außerdem mittels KI (Künstlicher Intelligenz) intensiver auszuwerten, als es bisher möglich war. So wollen sie Zusammenhänge zwischen Krankheitsbildern erkennen, Krankheiten früher diagnostizieren oder ihnen gar vorbeugen können. Ein Beitrag über die Epilepsieforschung an der Goethe-Universität veranschaulicht die neuen Möglichkeiten.

„Für eine Epilepsiediagnose brauchen wir im Schnitt acht oder zwölf Montagen“, erklärt Prof. Felix Rosenow vom Epilepsiezentrum Rhein-Main in der Klinik für Neurologie und spricht damit an, dass allein schon die Auswertung eines einzigen EEG sehr aufwendig ist. Oft scheitert sie daran, dass das zur Expertise zugesandte EEG auf einem anderen Gerät aufgezeichnet wurde, als es im Epilepsiezentrum benutzt wird. Dann sind die Daten nicht lesbar. Einheitliche EEG-Standards zu bestimmen, ist deshalb das Ziel internationaler Organisationen wie der DICOM, einer internationalen Organisation zur Speicherung von Daten in der Medizin. Einheitlich dokumentierte Daten wären auch ein Fortschritt für das Telemedizin-Projekt zur Epilepsie, das Rosenow mit Landesmitteln 2017 begonnen hat. Am Ende des Pilotprojekts sollen zehn hessische Krankenhäuser und Kinderkliniken sowie zehn Arztpraxen angeschlossen sein.

Daten sind der Rohstoff der Zukunft: Die bereits jetzt vorliegenden großen Datenmengen intensiver nutzen will das Bundesforschungsministerium gemeinsam mit der Deutschen Forschungsgemeinschaft im Rahmen der 2018 initiierten Nationalen Forschungsdateninfrastruktur (NFDI). Das ist auch eine Hoffnung für das Epilepsiezentrum. Das Ziel: große, anonymisierte Datenmengen zu untersuchen, um das Krankheitsbild der Epilepsie, die bislang nicht behandelbar ist, besser zu verstehen.

Die Physiker um Jochen Triesch vom Frankfurt Institute for Advanced Studies (FIAS) haben einen Computer so programmiert, dass sie mithilfe von Deep Learning-Algorithmen charakteristische Muster oder Zusammenhänge in Datensätzen erkennen – völlig unabhängig von menschlichen Vorgaben. Der Algorithmus wurde mit Daten von sechs Ratten trainiert. Bei einer siebten Ratte konnte er dann mit 97-prozentiger Sicherheit unterscheiden, ob das Tier gesund war oder eine Epilepsie entwickelte. „Das Spannende an diesem Ansatz ist“, so Triesch, „dass wir das System dann fragen können, auf welche Merkmale es geachtet hat“ – Merkmale, die Experten nicht im Blick haben.

Das Risiko einer Epilepsie vor dem ersten Anfall bei Menschen einschätzen zu können, davon ist die Medizin jedoch noch weit entfernt. Mindestens zehn Jahre, glaubt Rosenow, könne es dauern, bis mithilfe künstlicher Intelligenz die Vorhersage sicherer sei.