Werbung

Bildnachweis: peshkova – stock.adobe.com.

Anamnese, Blutentnahme, Röntgen, Behandlung, Visite – längst werden Patienten in den Mega-Krankenhäusern in China und den USA mittels smarter Algorithmen durch ein Labyrinth von Behandlungs­stationen geschleust, um eine optimale Ressourcenauslastung zu gewährleisten. Aber wie sieht es mit dem Einsatz von KI direkt am Patienten aus? Die Ärzteschaft ist alarmiert, gilt doch die weitverbreitete Grundhaltung, dass Computer und Algorithmen Ärzte zwar vielleicht ein wenig ­unterstützen, nie aber ersetzen können. Schließlich geht es um das Wohl des ­Patienten. In Zeiten von Computern, die Flugzeuge mit mehreren Hundert Passagieren automatisch starten und landen, ist es durchaus an der Zeit, dieses Paradigma zu hinterfragen.

Dr. KI – schneller, nicht schlechter

Die richtige Behandlung hängt vor allem von der korrekten und zeitnahen Diagnose der Krankheit ab. Bereits heute schneidet hier „Dr. KI“ gar nicht schlecht ab. So lag eine vom britischen Unternehmen Babylon Health entwickelte KI-gestützte Smartphone App in einer Studie in 81% der Fälle bei der Diagnose richtig, die teilnehmenden Ärzte nur in 72% der Fälle. Ein von ­Forschern an der Icahn School of Medicine entwickelter Algorithmus kann in nur 1,2 Sekunden akute neurologische Krankheiten wie Schlaganfälle – bei denen eine schnelle Behandlung entscheidend für den Behandlungserfolg ist – diagnostizieren, deutlich schneller als der geschulte Facharzt.

Diagnostische Datenflut

Die Diagnostik wird vor allem bei schweren, lebensbedrohlichen Erkrankungen zunehmend zu einer „Big Data Challenge“: Bildgebende Verfahren wie CT, MRT und PET werden immer hochauflösender und erlauben in ihrer Kombination neue Einsichten. In der Labordiagnostik erlauben es Hochdurchsatzverfahren mittlerweile, in kürzester Zeit und zunehmend kostengünstig die gesamte DNA oder Tausende Proteine und Metaboliten gleichzeitig zu analysieren. In der Wissenschaft ist es ­unumstritten, dass diese Daten nie dagewesene Einblicke in die Biologie von Krankheiten und damit therapeutische ­Interventionen ermöglichen, die genau auf die molekularen Ursachen der Krankheit abgestimmt sind – Präzisionsmedizin ist das neue Buzzword. Durch den Abgleich des molekularen Datensatzes des jeweiligen Patienten mit Abertausenden Datensätzen aus wissenschaftlichen und klinischen Studien wird eine detaillierte Analyse krankheitsverursachender molekularer Veränderungen sowie eine personalisierte Behandlung ermöglicht. Dass solche enorm großen Datensätze – bei denen ­sogar die klassische Statistik an ihre Grenzen stößt – nur mithilfe von smarten Algorithmen und KI effektiv nutzbar gemacht werden können, leuchtet ein.

Vor allem Unternehmen in der Krebs­diagnostik setzen die riesigen Datensätze mittels fortgeschrittener Algorithmik ­bereits erfolgreich ein. So testete das US-Unternehmen Foundation Medicine 2017 über 67.000 Patienten und schloss im ­Januar 2019 mit dem Department of ­Veterans Affairs, einem der größten öffent­lichen Gesundheitsversorger in den USA, einen Vertrag über 111 Mio. USD ab. Auch Guardant Health mit Schwerpunkt in der Krebsfrüherkennung testete in den ersten neun Monaten des letzten Jahres bereits über 21.000 Patienten.

Komplexe Biologie – ­Kopfschmerzen für KI

Wenngleich diese ersten Erfolge sehr vielversprechend sind und das Potenzial als bei Weitem noch nicht ausgeschöpft gilt, ist KI alleine sicher nicht die Wunderwaffe der medizinischen Diagnostik. Beispielhaft dafür steht der von IBM entwickelte Supercomputer Watson, der erstmals 2011 beim beliebten Jeopardy-Quiz seine KI-Muskeln öffentlich spielen ließ und bereits 2012 im Rahmen des Programms Watson for Oncology in einem ersten Pilotprojekt an der Universität Texas für die zielgerichtete Krebsdiagnose eingesetzt wurde. Seither wurde Watson international in über 50 Krankenhäusern eingesetzt, darunter auch das Kopenhagener Rigshospitalet, dort jedoch mit sehr ernüchterndem ­Ergebnis: Eine retrospektive Erhebung der Daten von 31 Patienten ergab, dass der Computer in über einem Drittel der Fälle eine Fehlbehandlung vorschlug. Dieses Beispiel zeigt gut, dass KI zwar ergänzen kann, aber mit klassischen, biostatistischen und molekular-mechanistischen Analysen verknüpft werden muss, um aussagekräftig zu sein – Biologie ist nun mal komplex.

Darüber hinaus gibt es regulatorische Herausforderungen bei der Zulassung von KI-basierten Systemen für die Diagnostik. Zwar gibt es durchaus Standards für die Validierung von Software und Algorithmen in der Medizintechnik, doch beschert KI den Behörden deutlich mehr „Black Box“ als simple Instrumentensoftware. Bei fixierten und damit konventionell ­validierbaren Algorithmen lassen sich ­solche Herausforderungen sicherlich überwinden. Dies dürfte sich bei selbst­lernenden Systemen deutlich komplexer gestalten. Dennoch bezieht die sonst so konservative US-Zulassungsbehörde FDA eine überraschend progressive Position zu KI in der Medizin: Alleine im letzten Jahr ließ sie zwölf Medizinprodukte – zumeist im Bereich der medizinischen ­Bildanalyse – mit KI-basierten Algorithmen zu. Ihr Chef, Scott Gottlieb, sieht in KI sogar eine der vielversprechendsten digitalen Gesundheitstechnologien.

Kapitalmarkt wettet auf KI

Trotz der aktuellen Herausforderungen scheinen auch Investoren und Brancheninsider große Wetten auf KI in der medizinischen Versorgung abzuschließen: So wird das Marktpotenzial für KI im Gesundheitsbereich bei einer jährlichen Wachstumsrate von sagenhaften 50% für 2023 auf 23 Mrd. USD geschätzt. Laut einer Umfrage des Beratungsunternehmens Optum erwarten 91% von 500 befragten Führungskräften im Gesundheitsbereich bereits über die nächsten drei bis fünf Jahre einen Return on Investment für Investitionen in KI. Außerdem machen an den Kapitalmärkten vor allem KI-Unternehmen in der Krebsdiagnostik Furore. Foundation Medicine wurde für insgesamt rund 3,2 Mrd. USD von Roche übernommen. Guardant Health schaffte im Oktober 2018 mit einem IPO bei einer Bewertung von rund 1,6 Mrd. USD den Sprung an die NASDAQ und hat seitdem die Marktkapitalisierung auf rund 3,5 Mrd. USD steigern können – bei einem 9M-2019-Umsatz von rund 58 Mio. USD. Entsprechend gespannt wird der Börsengang von Grail im gleichen Bereich erwartet, konnte die Firma bis jetzt doch mehr als 1,6 Mrd. USD u.a. von Amazon und Google Ventures einwerben. Diese Beispiele sind eindrucksvolle Indikatoren für die zunehmende Verschiebung der Wertschöpfung in der Diagnostikindustrie von der Datengenerierung mittels Instrumenten und ­Reagenzien zur Dateninterpretation.

Jenseits von Krebs: KI für ­Infektionsdiagnostik

Während die Präzisionsmedizin in der Krebsfrüherkennung und -diagnostik ­bereits Fuß fasst, entwickeln erste Technologievorreiter bereits NGS- und KI-­Lösungen für eine der größten medizinischen Herausforderungen dieser Zeit: sich ausbreitende multiresistente Keime, auch Superkeime genannt. Gegenüber traditionellen diagnostischen Verfahren, die auf der mehrtägigen Kultivierung der Keime auf Nährböden beruhen, kann die Analyse der Erreger-DNA in Patientenproben sehr viel schneller die zielgerichtete Therapie mit Antibiotika ermöglichen. Dadurch könnten Patienten besser behandelt und kostbare Antibiotika eingespart werden. Pionierunternehmen aus den USA bieten in diesem Bereich bereits erste DNA-Sequenziertests zur universellen und zeitnahen Identifizierung pathogener Keime an. Bei Ares Genetics, einem 2017 in Wien als Tochter des deutschen Diagnostik­unternehmens Curetis (Euronext: CURE) gegründeten Digital-Diagnostics-Start-up, gehen wir noch einen Schritt weiter: Aufbauend auf der wohl umfassendsten und ursprünglich von Siemens entwickelten Datenbank zur Genetik von Antibiotika­resistenzen entwickeln wir KI-gestützt fortschrittliche Algorithmen, die nicht nur den krankheitsverursachenden Keim, sondern auch dessen Resistenz gegenüber ­Antibiotika quantitativ bestimmen können. Bereits heute erlaubt es unsere Referenz­datenbank, ARESdb, Resistenzen für über 150 Keim-/Antibiotika-Kombinationen mit einer Genauigkeit von bis zu 98% vorherzusagen.

Unsere ersten diagnostischen ­Anwendungen für schwere Krankenhausinfektionen sind derzeit in der Entwicklung. Diese beruhen auf der universellen DNA-Analyse in Patientenproben mittels NGS und einer cloudbasierten Dateninterpretation mittels ARESdb. Dabei setzen wir derzeit KI vor allem für den kosteneffzienten Ausbau, die Kuratierung der Datenbank sowie die Entwicklung von Interpretationsalgorithmen ein. Diese validieren wir im Einklang mit akzeptierten regulatorischen Konzepten und ganz im Sinne einer evidenz­basierten Medizin. Das Potenzial von ARESdb realisiert sich aber auch jenseits der Diagnostik: In Zusammenarbeit mit Sandoz, dem weltweit führenden Hersteller von Antibiotika, suchen wir neue Einsatzgebiete für bereits zugelassene ­Antibiotika und neue Kombinationstherapien, die Antibiotika­resistenzen überwinden könnten.

 

ZU DEN AUTOREN

Dr. Achim Plum und Dr. Andreas Posch sind Geschäftsführer der Ares Genetics GmbH, eines Tochterunternehmens des deutschen Diagnostikherstellers Curetis (Euronext: CURE), dessen Vorstand Dr. Achim Plum als Chief Business Officer angehört.