Predictive Healthcare: Medizin im Datenrausch

Foto: glückimwinkl / Photocase

Apps und Algorithmen helfen, Krankheiten vorherzusagen. Viele dieser Anwendungen fallen in die Kategorie Lifestyle und Wellness, aber sie stehen für einen Trend, der die Medizin verändern wird: Mit Big Data wird sie personalisierter, präventiver, proaktiver.

Smartphone-Anwendungen mit Gesundheitsbezug boomen. Etwa 100.000 dieser Apps gibt es mittlerweile – sie sollen beim Abnehmen helfen und Depressionen lindern, die fruchtbaren Tage berechnen oder Achtsamkeit trainieren. Gleichzeitig werden immer neue Sensoren entwickelt: Fitness-Armbänder und Smart Watches zählen Schritte und überwachen Schlaf, Puls und Herzfrequenz. Kameras, Fingerringe, Pflaster und implantierbare Sensoren messen Hautleitfähigkeit, Schweißentwicklung und Blutwerte. Google, Apple, Microsoft, Samsung – alle großen IT-Player drängen in den letzten Jahren mit Gesundheitsanwendungen für den Heimgebrauch auf den Markt.

Denn um Lifestyle-, Fitness- und Gesundheitsdaten entwickelt sich seit einigen Jahren ein riesiger Markt. Sie sind das Puzzleteil, das bisher fehlte, um die großen Versprechungen einzulösen, die vor mehr als zehn Jahren unter der Überschrift „personalisierte Medizin“ gemacht wurden. Gerade war das menschliche Erbgut entschlüsselt worden. Auf der Basis der genetischen Codes sollte es künftig möglich sein, endlich wirksame Therapien für Herz-Kreislauf-Krankheiten, Krebs oder Alzheimer zu finden. Aber der Erfolg blieb aus. Direkte Kausalitäten zwischen Genen und Krankheiten ließen sich kaum finden. Unser Genom, so weiß man heute, funktioniert komplexer als angenommen.

Es liegen ungeheure digitale Datenmengen vor

Inzwischen aber sind nicht nur die Kosten für die Gen-Sequenzierung enorm gesunken und die Rechnerleistungen für die Daten-Auswertung gestiegen, sondern es liegen auch ungeheure Datenmengen in digitaler Form vor: aus Krankenakten, Studien und nicht zuletzt aus der Unmenge an Gesundheits-, Lifestyle- und Fitness-Apps. Und je mehr Daten jeder Einzelne über sich sammelt, je mehr Möglichkeiten es gibt, in diesen Daten Abhängigkeiten und Muster zu finden, desto präziser tritt jeder mit seinen individuellen biologischen Merkmalen hervor.

„Wie seinerzeit das Mikroskop Dinge sichtbar machte, die für das menschliche Auge viel zu klein sind“, schrieb schon vor einigen Jahren der amerikanische Ökonom Erik Brynjolfsson, „so macht die Analyse großer Datenmengen durch Algorithmen Zusammenhänge sichtbar, die für den menschlichen Verstand bisher viel zu groß und komplex waren.“ Zwar dürfen Lifestyle-Daten oder persönliche Daten mit Gesundheitsbezug, wie sie zahlreiche Fitness-Apps sammeln, nicht einfach weitergegeben und verknüpft werden. Jedenfalls nicht alle und: noch nicht. Denn Forscher weltweit arbeiten bereits an Programmen, die die komplexen Abhängigkeiten zwischen Körperfunktionen, Umwelt und Verhalten sichtbar machen, die simulieren, wie Patienten auf Therapien reagieren – und die daraus individualisierte Behandlungswege ableiten sollen.

An der Klinik für pädiatrische Onkologie in Homburg arbeitet Norbert Graf zusammen mit Mathematikern, Molekularbiologen und Bio-Informatikern an einem Computer-Modell des Wilms-Tumors. Bei diesen kindlichen Nierentumoren, erklärt der Professor, müssten Ärzte häufig entscheiden, ob sie das Kind sofort operieren oder den Tumor zunächst mit einer Chemotherapie behandeln sollen, so dass er schrumpft und später leichter operierbar ist. Aber nicht alle Kinder sprächen gleich gut auf eine Chemotherapie an.

Aus Daten zur bisherigen Tumor-Entwicklung, zu Medikamenten und ihren Wirkstoffen und möglichst umfangreichen klinischen Angaben über die Kinder versucht das Programm deshalb, eine Prognose zu erstellen: „Wir wollen wissen, wie der Tumor auf die Vorbehandlung reagieren wird. Letztlich soll das System sagen: ‚Der Tumor wird nicht kleiner, operiere sofort.’“ Je größer die Datenmenge, auf die das Modell zurückgreifen kann, und je häufiger seine Vorhersagen mit der Realität verglichen und an diese angepasst werden, desto präziser werden die Prognosen im Laufe der Zeit.

Von Anfang an die optimale Therapie verordnen

Könnten medizinische Daten aus Krankenakten einfacher mit anderen persönlichen Daten verknüpft werden, außerdem mit Ergebnissen von Gentests und Studien zur Medikamentenwirksamkeit, dann – meint Norbert Graf und viele seiner Kollegen – wäre das für Ärzte enorm nützlich. „Damit könnten wir den Patienten von Anfang an die optimale Therapie geben und ihnen Nebenwirkungen ersparen.“ Seit 2011 arbeiten Kliniken in mehreren Ländern Europas bereits daran, ihre Datenbestände zu vernetzen und Angaben, unter anderem über krankheitsrelevante Gene und Biomarker aus Blut- und Gewebeproben von Patienten in der Biobanking und Biomolecular Resources Research Infrastructur (BBMRI) zu speichern.

In den USA stellte der scheidende US-Präsident Barack Obama dieses Jahr rund 215 Millionen Dollar für die erst Anfang des Jahres von ihm angestoßene Precision Medicine Initiative bereit, in deren Rahmen derzeit unter anderem Gen- und Gesundheitsdaten von einer Million Amerikanern erhoben und verknüpft werden. Auf ihrer Grundlage sollen Tests entwickelt werden, die Voraussagen über die Wirkung von Medikamenten ermöglichen. Die Analyse der Datenbestände soll künftig aber nicht nur Aussagen darüber liefern, wie eine Therapie aussehen muss, damit sie eine akute Krankheit heilt. Die Daten seien gerade in Verknüpfung mit Lifestyle-Daten für die Medizin auch deshalb „ein unheimlicher Schatz“, so Norbert Graf, weil ihre Auswertung Aussagen darüber liefern könnte, wie wahrscheinlich Rückfälle sind.

„Nach einer erfolgreichen Krebsbehandlung kommt immer der Wunsch, einen Rückfall zu verhindern. ‚Muss ich etwas Besonderes essen?‘, ist dann so eine typische Frage oder ‚Muss ich mehr Sport treiben?‘. Und hätte ich jetzt von solchen Gesundheitstrackern Daten zum Beispiel über sportliche Aktivität und die Ernährung der Patienten und langfristig auch Wissen darüber, wer von ihnen einen Rückfall bekommen hat oder nicht – dann könnte ich ihnen irgendwann sagen: ‚Wenn du das machst oder jenes isst, kannst du den Rückfall mehr oder weniger vermeiden.‘ Das geht heute allerdings noch nicht.“

Ein Albtraum für Datenschützer

Für Datenschützer ist diese Entwicklung ein Albtraum. Zum einen genügt die Qualität der von Wearables und Trackern erfassten Daten derzeit oft keineswegs medizinischen Standards. Nicht selten liefern sie – wie Studien gezeigt haben – sogar falsche Ergebnisse. Zum anderen fürchten Kritiker, dass die gespeicherten Gesundheitsdaten nicht so geschützt werden können, dass die Anonymität der Datenlieferanten gewährleistet ist. Dass diese diskriminiert oder bei Bewerbungen benachteiligt werden könnten, wenn das Wissen um Krankheiten oder die Veranlagung dafür in die Hände der Arbeitgeber gelangt. Und dass es künftig Pflicht sein könnte, per Tracker oder App Daten über seine Körperfunktionen zu sammeln und sie Ärzten oder Krankenkassen zur Verfügung zu stellen.

Schon jetzt schließlich locken Versicherer wie die AOK oder die Schweizer Generali Versicherung mit Prämien und Rabatten, wenn Mitglieder via App einen gesunden Lebensstil nachweisen. „Im Moment ist das alles freiwillig“, sagt Mediziner und E-Health-Experte Tobias Neisecke. „Noch wird derjenige, der sich um seine Werte kümmert, der etwas tut, belohnt. Aber dass sich das umkehrt, ist wahrscheinlich. Irgendwann ist der Faktor: Wie ist mein App-Score.“

Krankenkassen versichern, dass es keinen Malus geben werde für Mitglieder, die sich dem „Health Sensing“ verweigern. Und – auch wenn Zweifel daran angebracht sind – das größere Geschäft dürfte tatsächlich mit den Daten selbst zu machen sein. Sie sind der Rohstoff für Prognosemodelle, die Krankheitsrisiken berechnen, auf deren Basis nicht nur zielgruppengerechte Therapien, sondern auch präventive Interventionen entwickelt werden können.

Risiko-Patienten gezielt und früh ansprechen

Carolinas HealthCare System, ein Medizin-Netzwerk im US-Bundesstaat North Carolina, lässt seit 2014 Konsumentendaten mit Gesundheitsdaten auf Korrelationen prüfen, mit dem Ziel, Risikopatienten für Krankheiten zu identifizieren. In Deutschland arbeitet der Thinktank Elsevier Health Analytics an Algorithmen, die in anonymisierten Krankenkassendaten nach Mustern suchen und dann Gruppen von Kassenmitgliedern identifizieren, die mit einer bestimmten Wahrscheinlichkeit eine Krankheit entwickeln werden. Ärzte sollen Patientendateien mit diesem Filter abgleichen und Risikopatienten gezielt und früh ansprechen.

Und auch die AOK entwickele einen „Herz-Kreislauf-Risiko-Schätzer“, sagt Kai Kolpatzik vom AOK Bundesverband in Berlin. Er soll vorhersagen, „wie mein Risiko innerhalb von zehn Jahren ist, einen Schlaganfall oder Herzinfarkt zu erleiden. Aufgrund meines Alters und Blutdrucks, ob ich rauche, wie meine Familien-Anamnese ist. Und das Spannende ist, dass auch gesagt werden kann: Was bringt es, wenn ich ein Medikament nehme? Was bringt Lebensstil-Änderung?“

Analysten rechnen auf dem Markt für personalisierte Medizin derzeit mit zweistelligen Wachstumsraten jährlich, bis 2023 erwarten sie einen Umsatz von fast 90 Milliarden Dollar weltweit. Geld, das eigentlich den Datenspendern gehören sollte, sagt Ernst Hafen von der ETH Zürich. Zusammen mit Kollegen initiierte er deshalb das MiData-Projekt: eine Kooperative, in der die Mitglieder – sowohl Patienten als auch gesunde Personen – seit diesem Jahr Erbgut- und andere medizinische Daten auf einen Server laden können, aber selbst entscheiden, wer sie für welche Zwecke verwerten darf. Firmen, die die Daten nutzen, müssen dafür bezahlen. Mit den Gewinnen sollen Forschungsprojekte finanziert werden, die für privatwirtschaftliche Unternehmen als unrentabel gelten.

Unabhängig aber davon, wer in Zukunft mit Gesundheitsdaten forscht und wer daran verdient – die vorausschauende Analyse dieser Daten verändert die Medizin: Statt eine akute Krankheit zu diagnostizieren, geht es mehr und mehr darum, die Wahrscheinlichkeit vorherzusagen, mit der sie ausbrechen wird. „Wir sind nicht mehr krank oder gesund“, gibt Medizinethiker Peter Dabrock zu bedenken, „sondern Träger eines bestimmten Risikoprofils. Und dann wird es ethisch und ökonomisch und rechtlich interessant, denn da stellt sich dann eine ganz neue Frage in Bezug auf die Konsequenzen, die das für Krankenversicherte hat. Heute sagen wir: Träger einer bestimmten Genmutation, zum Beispiel, haben Anspruch auf eine Behandlung, die zahlen wir. Bald könnte es heißen: 70 Prozent Aussicht auf eine erfolgreiche Behandlung zahlen wir. Aber was ist mit 65 Prozent? Auch noch?“

Lydia Heller

Lydia Heller

Lydia Heller ist Freie Autorin, Reporterin und Moderatorin, vor allem für Deutschlandradio Kultur, Deutschlandfunk und die Deutsche Welle. Seit 2008 schreibt sie – nicht nur, aber am liebsten – Radiofeatures über Umwelt, Technik und Forschung.

Foto: privat
Lydia Heller

Letzte Artikel von Lydia Heller (Alle anzeigen)