Maßgeschneiderte Behandlung durch KI: Erneute Förderung für Graduiertenkolleg

fTeilen

Durch die Digitalisierung in der Medizin entsteht eine große Menge
klinischer Daten. Das Graduiertenkolleg Wissens- und datenbasierte
Personalisierung von Medizin am Point of Care, kurz: WisPerMed, macht sie
für Ärzt:innen in einer neuen Form nutzbar. Die Deutsche
Forschungsgemeinschaft fördert das Programm unter der Leitung der
Universität Duisburg-Essen für weitere viereinhalb Jahre.

Sprecher ist
Prof. Dr. Felix Nensa vom Institut für Künstliche Intelligenz in der
Medizin der Medizinischen Fakultät.

Ziel des seit 2021 laufenden Graduiertenkollegs (GRK) der
Universitätsmedizin Essen und der FH Dortmund ist es, die personalisierte
Medizin mithilfe von KI unmittelbar dort voranzutreiben, wo ein:e
Patient:in versorgt wird (Point of Care). Am Beispiel des malignen
Melanoms werden in den Projekten am Universitätsklinikum Essen hierfür
neue Werkzeuge entwickelt. Personalisierte Medizin meint in diesem Fall
beide Seiten: Statt des Prinzips „eine Behandlung für alle“ wird die
medizinische Entscheidung datenbasiert und jeweils abgestimmt auf die
biologische, gesundheitliche und persönliche Situation einer bzw. eines
Erkrankten getroffen. Zum anderen werden aber auch die individuellen
Präferenzen der behandelnden Mediziner:innen miteinbezogen. Denn sie
müssen bei der Nutzung der Werkzeuge die Informationen schnell und
intuitiv verstehen.

„Es gibt eine Wissens-Explosion in der Medizin, vor allem in der
Onkologie; es entstehen immer mehr Daten. Ärzt:innen haben weder Zeit noch
Kapazitäten, alles selbst zu filtern und zu verarbeiten“, erklärt GRK-
Sprecher Prof. Dr. Felix Nensa, Experte für Radiologie mit Schwerpunkt KI.
„Wir möchten ihnen daher ergänzendes Wissen zur Verfügung stellen und
neues Wissen aus Daten generieren, ohne sie in ihrer Entscheidungsfreiheit
zu beschränken. Das ist eine riesige Chance, gerade in der Krebsmedizin.“

Im GRK WisPerMed forschen zurzeit 13 Professor:innen und 13
Doktorand:innen an einem adaptiven System, KI in medizinische
Entscheidungsprozesse zu integrieren. Unter anderem durch Machine
Learning-Methoden werden Daten intelligent verknüpft und systematisch
ausgewertet: solche aus den Leitlinien zur Diagnostik, aus der Therapie
und Nachsorge, sämtliches verfügbares Wissen aus Studien, aus
Patientendatenbanken und alle relevanten Daten zur erkrankten Person. Die
KI könnte dann eine Behandlungsempfehlung generieren und prognostizieren,
ob ein Tumor Resistenzen oder eine Therapie schwere Nebenwirkungen
entwickeln könnte. Ärzt:innen können dabei immer nachvollziehen, auf
welcher Basis die Empfehlung getroffen wurde, um die Ergebnisse zu
kontrollieren.

Visualisiert werden die Ergebnisse der KI in einem Dashboard – abgestimmt
auf die persönlichen Arbeitsweisen und Fachbereiche der Behandelnden.
Dafür arbeiten die Mediziner:innen mit anderen Disziplinen der UDE
zusammen, wie der Informatik und der Sozialpsychologie.

In der nun anstehenden Förderphase wird die Forschung auf den gesamten
Behandlungspfad der Patient:innen ausgeweitet. Anstatt wie bisher einzelne
Entscheidungsunterstützungen für spezifische Probleme zu adressieren,
zielt der neue Ansatz darauf ab, Prozesse von der Erstdiagnose über die
Behandlung bis zur Nachsorge ganzheitlich zu erfassen, zu unterstützen und
zu optimieren. Indem Patientendaten und klinisches Wissen an verschiedenen
Schnittstellen des Gesundheitssystems nahtlos integriert werden, sollen
Technologien entstehen, die sowohl den individuellen Anforderungen von
medizinischem Fachpersonal gerecht werden als auch die
Versorgungskontinuität und das Behandlungserlebnis der Patient:innen
verbessern.