Künstliche Intelligenz im Gesundheitswesen: Bessere Datennutzung in klinischen Studien durch Zusammenarbeit

von Mark Aiello und April Crehan

Welchen Sinn hat der Austausch von Daten?

Daten sind zweifelsohne der Treibstoff für künstliche Intelligenz. Bei der Entwicklung von künstlicher Intelligenz benötigen Sie saubere, vielfältige Daten, um Ihr System zu trainieren, unabhängig davon, wie komplex oder fortschrittlich Ihre Lösung ist. Damit die Systeme immer intelligenter werden können, sind riesige Mengen hochwertiger Daten erforderlich. Diese zu beschaffen, ist keine leichte Aufgabe. Im medizinischen Bereich ist dies sogar noch schwieriger.

Verständlicherweise haben Patienten Bedenken, ihre Informationen (d. h. ihre Daten) an andere Personen als ihre Ärzte weiterzugeben. Die Ärzte wiederum unterliegen einer gesetzlichen und moralischen Verpflichtung, den Datenschutz zu wahren. Angesichts dieser Einschränkungen sind die vorhandenen medizinischen Datensätze umso wertvoller. Was also sollte ein Unternehmen oder eine Einrichtung dazu bewegen, geschützte Patienteninformationen und Datensätze zu teilen?

Die Vorteile für die Gesellschaft sind enorm. Auch in klinischen Studien können bei der gemeinsamen Nutzung von Daten alle direkt von der verbesserten Produktivität, der schnelleren Wiederholbarkeit von Ergebnissen und der Verringerung von Doppelarbeit profitieren.

Höhere Produktivität

Immer wieder zeigen Studien, dass Zusammenarbeit die Arbeit aller Beteiligten verbessert. Wenn geschützte Daten mit Stakeholdern – Patienten, Ärzten, Arzneimittelentwicklern, Forschern usw. – geteilt werden, kann dies für die Dateneigentümer einen schnelleren und kosteneffizienteren Erfolg bedeuten. In einem Bericht von Elsevier heißt es, dass der Austausch von Forschungsdaten zu schnelleren Forschungsergebnissen führen kann. Der Bericht zeigt, wie wichtig Zusammenarbeit ist. So hat eine Meta-Analyse ergeben, dass alle Antidepressiva für die Kurzzeitbehandlung von akuten Depressionen bei Erwachsenen wirksamer sind als Placebo-Behandlungen. Für die Analyse (laut Elsevier die bislang umfassendste Beurteilung von Antidepressiva) wurde eine Kombination aus veröffentlichten Studien und zuvor unveröffentlichten Datensätzen verwendet. Forscher, Aufsichtsbehörden und Pharmaunternehmen, die ihre Arbeiten auf Anfrage teilten, machten diese Meta-Analyse möglich. Die Autoren veröffentlichten die vollständigen Datensätze, um Replikationsversuchen und einer zukünftigen Verwendung den Weg zu ebnen. Die ursprüngliche Zusammenarbeit könnte also auch Auswirkungen auf die zukünftige Forschung haben.

Doppelarbeit und Risikominderung

Sie wissen bereits, welche horrenden Kosten mit der Entwicklung eines neuen Arzneimittels verbunden sind. In rund sieben von acht Fällen werden Arzneimittel, die die Testphase erreichen, nie zugelassen. Stellen Sie sich vor, wie vorteilhaft es wäre, wenn Sie schon vorab wüssten, ob ein anderes Unternehmen bereits denselben Weg gegangen und gescheitert ist. Wenn Informationen über Erfolge und Misserfolge geteilt werden, können Sie einen anderen Weg einschlagen und Ihre Ressourcen zur Untersuchung eines anderen Moleküls oder einer anderen Krankheit einsetzen. Sie könnten sich sogar direkt an die Verbesserung eines Produkts machen, das schon bald verfügbar sein könnte. Wenn Fehler früh erkannt werden und größere Transparenz herrscht, kann dies zudem Patienten vor Schaden bewahren. Bereits oft ist es nach längerer Verwendung eines Arzneimittels zu schweren negativen Folgen (sogar Todesfällen) gekommen, weil negative oder auch einfach nur uneindeutige Ergebnisse unter Verschluss gehalten wurden.

Wirksamkeitsnachweis

Je transparenter die Vorgehensweise bei Forschung und Studien, desto leichter können andere Ihre Arbeit unterstützen (oder widerlegen). Reproduzierbarkeit ist der Schlüssel zu wissenschaftlichem Fortschritt und dies ist leichter möglich, wenn Daten öffentlich gemacht werden. Im Bereich der künstlichen Intelligenz kann der Austausch von Testdatensätzen anderen helfen, bestehende KI-Systeme zu verbessern. Je früher Forscher verbesserungsbedürftige Bereiche finden, desto schneller können sie iterieren.

Welche Daten sollen geteilt werden?

Trotz klarer Vorteile bleibt eine zentrale Herausforderung bestehen: Die Patienten schrecken vor der Vorstellung zurück, ihre medizinischen Daten weiterzugeben. Wie können Forscher und die Sponsoren von Studien dieses Problem überwinden? Wesentlich für den Austausch von Daten und damit für die Förderung von KI im Gesundheitswesen ist die Anonymisierung der Daten. Auf diese Weise können die Bedenken von Patienten in Bezug auf Datenschutz teilweise ausgeräumt werden. Die Organisation kleiner Forschergruppen, die eine Weitergabe anonymisierter Daten auf Quid-pro-quo-Basis anbieten, kann eine effektive Möglichkeit zur Förderung des Informationsaustausches darstellen. Manche Regierungen und Zeitschriften verlangen bereits ein gewisses Maß an Datenaustausch, um wissenschaftliche Arbeiten zu finanzieren oder zu veröffentlichen. Dies wiederum bringt die Forscher dazu, Daten weiterzugeben.

Worin besteht der konkrete Nutzen?

Datensätze

Wenn Trainingsdatensätze, die Blaupause eines KI-Systems, geteilt werden, könnte dies geistiges Eigentum gefährden. Aber warum sollten Sie nicht wenigstens die Testdatensätze weitergeben, mit denen Sie die Funktionsfähigkeit Ihres Systems beweisen? Wenn Sie wirklich von Ihrem KI-System überzeugt sind, müssten andere die Möglichkeit haben, ihr eigenes System anhand Ihrer Testdaten zu testen, um herauszufinden, ob sie Sie übertreffen können.

Ergebnisse

Jeder ist stolz, seine Erfolge zu teilen, aber Misserfolge können genauso interessant sein. Wir müssen eine Kultur schaffen, in der offen ausgetauscht wird, was funktioniert hat und was nicht. Andere können aus Ihren Fehlern genauso viel lernen wie Sie selbst. Vielleicht finden sie sogar heraus, warum Ihnen der Fehler passiert ist. Und wie schon gesagt: Schlechte Nachrichten zu teilen, kann sogar Leben retten.

Patientenpools

Eine der beeindruckendsten Anwendungen der KI im Gesundheitswesen ist die Rekrutierung geeigneter Patienten für klinische Studien. Wenn KI hilft, die perfekten Kandidaten für eine bestimmte Studie zu finden, nimmt der Druck, potenzielle Teilnehmer vor einer „Abwerbung” zu schützen, ab. Mithilfe von KI werden Sie möglicherweise feststellen, dass sich in Ihrem Pool für klinische Studien Patienten befinden, die hervorragend für die Studie eines Konkurrenten infrage kommen – und umgekehrt.

Letztendlich kann durch den Einsatz von KI im Gesundheitsbereich die Situation für die Patienten verbessert werden. Wenn im Bereich der klinischen Studien etwas mehr Datenaustausch stattfindet, werden dadurch möglicherweise Innovationen beschleunigt, die das Leben zum Besseren verändern.

Möchten Sie mehr darüber erfahren, wie KI die Welt der klinischen Studien revolutioniert? Klicken Sie hier, um weitere Informationen zu erhalten.