Digital Health

Wie Biomarker die Erforschung von Krankheiten revolutionieren

Blutdruck, Schweiß, Stimme – wir Menschen produzieren jede Menge so genannte Biomarker, Hunderte pro Sekunde. Und schon seit Menschengedenken werden diese der Ärzteschaft genutzt, um uns zu therapieren. Doch erst mit den Möglichkeiten künstlicher Intelligenz (KI) finden wir in der Kombination von Biomarkern Zusammenhänge heraus, auf die ein Mensch allein niemals kommen würde. Mit computergenerierten Biomarkern haben wir die Chance, völlig neue Zusammenhänge für bestimmte Krankheiten zu entdecken – noch bevor diese ausgebrochen sind.

Wir rennen. Wir essen. Wir schlafen. Wir werden krank. Alles, was unserem Körper geschieht, lässt sich in unzählige Daten übersetzen. Wir können den Zuckerspiegel des Blutes messen, die Schnelligkeit von Neurotransmittern, die Temperatur des Körpers, die chemische Zusammensetzung unseres Schweißes oder Urins, die Tonlage unserer Stimme, die Regelmäßigkeit unserer Schritte, die Größe und Form unserer Organe.

Eine Datenflut kommt da zusammen, aus der Ärztinnen und Ärzte lange Zeit nur in mühsamer Kombinationsarbeit nach zeitaufwändiger Beobachtung irgendwelche Zusammenhänge ermitteln konnten, die beim Heilen einer Krankheit hilfreich sind. Die Digitalisierung der Medizin gibt dem Arzt im Datendschungel nun die Brille der künstlichen Intelligenz in die Hand, durch die er plötzlich Zusammenhänge erkennen kann, die bislang unergründlich für ihn waren.

Per Computer erhobene Merkmale für eine Krankheit

Die Revolution wird ermöglicht durch die Datenmasse. Jörg Goldhahn, Projektleiter des Bachelors Humanmedizin der Eidgenössischen Technischen Hochschule Zürich (ETH) gibt ein Beispiel. Früher bestellte ein Arzt einen Patient mit Verdacht auf Parkinson in die Praxis und beobachtete diesen für einige Minuten beim Laufen, um Gangunregelmäßigkeiten festzustellen. Heute kann der Gang eines Patienten und etwaige Unregelmäßigkeiten in den Bewegungen mit Hilfe eines Smartphones mit geeignetem Programm Tag und Nacht überwacht werden – jede Sekunde und wenn nötig über Jahre hinweg.

Mit Hilfe der Datenflut lässt sich ein komplexes Bild zeichnen, das die Diagnose, aber auch die Erforschung der Krankheit revolutioniert, sagt Goldhahn. „Das ist die Macht der riesigen Datenmengen: Sie sind unkompliziert und kontinuierlich verfügbar und mittels künstlicher Intelligenz lassen sich daraus schnell Schlüsse ziehen.“ Digitale Biomarker nennt man diese gesammelten Merkmale, die per Computer erhoben werden und eine bestimmte Krankheit identifizieren können.


Ganz einfach ist die Sache aber nicht. Die Datenflut, die ein menschlicher Körper so hergibt, sei derart komplex und vielschichtig, dass ein Mensch sie kaum überblicken, geschweige denn die richtigen Zusammenhänge finden könne, sagt Joachim Buhmann, Professor am Institut für Maschinelles Lernen an der ETH Zürich. Deshalb muss derjenige, der sich mit digitalen Biomarkern beschäftigt, also kondensierte Informationen für ein bestimmtes Krankheitsbild aus dem Datendickicht ziehen will, schnell die Hilfe künstlicher Intelligenz in Anspruch nehmen.

„Es ist unwahrscheinlich, dass ein Mensch aus der Datenflut die richtigen Kombinationen herauslesen kann. Eine Maschine aber, die kann das“, sagt Buhmann. Den Anspruch des Menschen, all das verstehen zu können, was ein selbstlernendes künstliches System da an Zusammenhängen herausfindet, hält Buhmann für „Hybris“. „Wir können die Ergebnisse des maschinellen Lernens nur kontrollieren, in dem wir testen, ob die Vorhersagen der Maschine sich bei Untersuchungen bewahrheiten“, so Buhmann.

Radiomics – mehrere Hundert computerisierte Messgrößen

Eine besonders große Herausforderung stellte bislang die Übersetzung von bildgebenden Verfahren wie zum Beispiel der Radiologie in Datensätze dar. Nun kündigen sich von Seiten der Ingenieure revolutionäre Neuigkeiten an. Radiomics heißt das digitale Über-Ich, das dem Bildinterpreten den Weg weit über die Grenzen seiner bisherigen Arbeit hinausweisen soll. Eine künstliche Intelligenz soll Datensätze nicht nur sammeln, sondern aus den Bildinformationen auch quantitative Bildparameter extrahieren, um sie für die automatisierte Analyse auszuwerten.

Der Radiologe, der bislang nur mit Hilfe seiner persönlichen Erfahrung urteilen konnte, bekommt damit eine computerisierte Brille in die Hand gedrückt. Und das ist nicht weniger als ein Quantensprung. Der Rechner misst nämlich nicht nur so wie der analog auswertende Arzt Volumen, Form, Homogenität, Begrenzung und Nachbarschaftsbeziehungen beispielsweise eines Tumors, sondern führt zusätzlich unter anderem Analysen der Bildtextur und funktioneller Parameter, zum Beispiel der Durchblutung, durch.

Mehrere Hundert solcher computerisierten Messgrößen sind bisher entwickelt und getestet worden und haben sich dabei als prinzipiell verwendungsfähig und reproduzierbar erwiesen.


Zusammengebracht werden können diese Daten mit Informationen vom Onkologen, vom Pathologen, vom Arzt für Labormedizin, vom Pharmakologen und vom Genetiker. Entstehen werden immer neue Bildparameter, immer neue und immer umfassendere Korrelationen, ständige Lernfähigkeit, immer in Abstimmung mit Biobanken rund um den Globus.

Neue Zusammenhänge ergeben neue Therapiemöglichkeiten und nutzen damit dem Menschen im Kampf gegen Krankheiten. Die Datenflut hilft zum Beispiel beim Entwickeln neuer Target-Therapien. Findet die künstliche Intelligenz zum Beispiel heraus, dass bestimmte Proteine im individuellen Fall die Hauptursache für das bösartige Verhalten in den Krebszellen sind, können diese Proteine gezielt medikamentös angegriffen werden.

Bei Personen, die auf eine Behandlung ansprechen, ist es möglich, Biomarker auch zur Überwachung der Therapiewirkungen zu verwenden. Setzt der Körper gewisse Moleküle wieder frei, kann das ein Zeichen dafür sein, dass der Krebs zurückkehrt.

Die Hüftfraktur des Marathonläufers hat sich lange angekündigt

Wer ein einfacheres Beispiel für den Nutzen von digitalen Biomarkern sucht, kann sich auch Goldhahns Erfahrung im orthopädischen Bereich anhören: „Es gibt Studien mit Läufern, deren Bewegungsdaten werden permanent gemessen. Nach einer Hüftfraktur können wir nach Auswertung all dieser gesammelten Daten sehen: Diese Verletzung hat sich angekündigt. Der Gang wurde beispielsweise schon vorab instabiler, unsicherer. Insofern ist die Datenflut in Zukunft präventiv einsetzbar. Ein einfacher Chatbot könnte den Laufenden also vor der Verletzung warnen und Handlungsanweisungen geben.“

Manche Forscher sagen schon, Ärztinnen und Ärzte würden durch die intelligenten Maschinen zu einer überflüssigen Spezies. So weit will Goldhahn nicht gehen. Aber immerhin verspricht er sich durch die Digitalisierung von Biomarkern eine neue „Mündigkeit des Patienten“. Viele Informationen kann der Mensch selbst durch so genannte Wearables erfassen und durch den Einsatz von künstlicher Intelligenz in Therapievorschläge übersetzen lassen.

Mündige Patienten, überflüssige Ärzte?

„Ganz banal sagt mir zum Beispiel der eingebaute Algorithmus meiner Smartwatch, dass ich jetzt schon drei Stunden auf dem Sofa lag und mich endlich mal wieder bewegen muss“, sagt Goldhahn. So kann das bei der Medikamentengabe auch funktionieren. Zudem: Risiken wären schneller zu erkennen, eine Therapie könnte einsetzen, bevor die Krankheit unwiderrufliche Schäden anrichtet.

Ein Klinikaufenthalt könnte nach wenigen Tagen in eine computergestützte Rehabilitation in den eigenen vier Wänden münden. „Der Patient wäre dann unabhängiger vom Krankenhaus, aber dennoch gut überwacht“, so Goldhahn. Und der Arzt: Werde entlastet von zeitaufwändigen Nachuntersuchungen und könne mehr Zeit investieren in Dinge, die die Maschine nicht so gut kann: zuhören, empathisch sein.

Viel Forschung nötig, um reproduzierbare Biomarker zu bekommen

Die Krux beim Sichverlassen auf künstliche Intelligenz ist nach Goldhahns Meinung die Validierbarkeit. „Es ist viel Forschung nötig, um digitale Biomarker so zu gestalten, dass sie jederzeit reproduzierbar sind. Nur dann können wir Therapien daran ausrichten. Wenn der Schrittzähler austrickbar ist, indem ich ihn auf dem Sofa sitzend vor- und zurückbewege, ist die Folge Bewegungsmangel.

Das ist erstmal nicht so schlimm, aber wenn am digital generierten Biomarker die Gabe von Insulin hängt, dann kann so ein Fehler den Menschen umbringen“, sagt Goldhahn. Auf die Datensammlung und die Hypothesen der Maschinen muss also ein ganzer Haufen Testarbeit folgen. Die zu stellende Frage: Bewahrheitet sich die Annahme des Computers in jedem Fall?

Und was ist mit dem Datenschutz? Joachim Buhmann fordert einen Paradigmenwechsel im von Ängstlichkeit geprägten Umgang mit diesem Thema. Sicher, Daten zum Verhalten, zum Persönlichkeitsprofil oder der sexuellen Orientierung seien sensitiv. Bei genomischen und biomedizinischen Daten verhalte es sich seiner Meinung nach aber anders.

„Das Problem ist doch nicht, dass jemand eine Flut an biomedizinischen Daten über meinen Körper hat. Sondern dass die Prämien der Krankenkassen steigen, wenn sich da ein Krankheitsbild abzeichnet. Wäre es da nicht sinnvoller, man würde das Prämienwesen neu organisieren? Dann könnten wir unsere Freiheiten beibehalten und gleichzeitig die Vorteile des Fortschritts genießen.“

Text: Ronald Voigt