medianet ÖAZ Philips QUALITAS ÖKZ MedAustron

Datum: Mittwoch, 17. Mai 2017

Artikel: CGM / Walter Zifferer

Bildinhalt: Symbolbild

Bildrechte: ClipDealer / rolffimages

Dieser Artikel wurde 1225 mal gelesen.

Big Data verändert Denkprozesse

Über das Stellen der richtigen Fragen in der Medizin

Big Data-Analysen werden es in Zukunft erlauben, in der Medizin öfter die richtigen Fragen zu stellen und Probleme auch ohne völliges Verständnis der ursächlichen Zusammenhänge zu lösen. Dies erklärte der aus Österreich stammende Experte Viktor Mayer-Schönberger (Universität Oxford) beim Gesundheitsforum Seitenstetten "Prävenire".

Big Data ist eine neue Sichtweise im Umgang mit Daten. Wir denken bisher bei der Daten­verarbeitung vor allem an eine Effizienzsteigerung. Big Data erreicht aber eine andere Ebene. Das gibt uns eine neue Sichtweise auf die Wirklichkeit.

Viktor Mayer-Schönberger
Internet Institut der Universität Oxford

Das sei ähnlich wie der Unterschied zwischen Einzel- oder Serienfotos von einem sich bewegenden Objekt und einem Film, der bloß aus einer schnelleren Abfolge von Bildern besteht. Big Data könne quasi "Aufklärung 2.0" liefern, eben 300 Jahre nach der Auf­klärung, welche die Vernunft an die Spitze er Erkenntnisfindung stellte.

Bisher habe sich die Wissenschaft wegen des Vorliegens nur kleiner Datenmengen ("Small Data") zu oft mit falschen Fragen und falschen kausalen Erklärungen zufriedengeben müssen.

Wir formulieren eine Frage, eine Hypothese, sammeln (vergleichsweise wenige; Anm.) Daten und analysieren sie dann. Das Problem ist, ob wir die richtigen Fragen stellen. Big Data kehrt die Denk­weise radikal um. Wir beginnen mit der Sammlung möglichst vieler Daten und kommen aus der Analyse wahrscheinlicher zur richtigen Frage.

Für die Klärung einer Kausalitätskette von Ursache und Wirkung könne man dann nach dem klassischen Modell vorgehen.

Für die Verwendung von Big Data in der Medizin gibt es bereits erste Beispiele.

Google speichert seit Beginn alle Suchanfragen. Das Unternehmen hat in den USA mit 50 Millionen Suchbegriffen gearbeitet und 450 mathematische Modelle getestet, um eine Möglichkeit zu finden, die Verbreitung einer Influenza-Welle online vorherzusagen. Das ist Google bis das Niveau von Straßenzügen gelungen.

Dabei sei es bloß um eine Mustererkennung, nur nebenbei um die Analyse einzelner typischer Suchbegriffe (z.B. "Influenza", Grippemedikament etc.) gegangen.

Die US-Zentren für Krankheitskontrolle (CDC) seien da mit ihrer Small Data-Epidemiologie auf der Basis von Krankheitsmeldungen von ein paar Tausend Ärzten im Hintertreffen: "Sie sagen auch die Grippe voraus, aber sie sagen 'voraus', wo das Virus vor zwei Wochen war." Ein ganz reales Beispiel gibt es auch aus der Neonatologie. Frühchen sterben viel häufiger an Infektionen. Die Ursache dafür ist unbekannt. Eine kanadische Informatikerin zeichnete bei Frühgeborenen pro Sekunde 1.200 verschiedenste Daten auf, darunter auch jene der Vitalfunktionen (Körpertemperatur, Atmung, Sauerstoffsättigung im Blut etc.). Obwohl keine Ärztin, gelang es der Wissenschaftlerin, an einem bestimmten Muster das Auftreten einer solchen Infektion 24 Stunden vor ersten Symptomen zu prognostizieren.

Mayer-Schönberger schilderte ein erstaunliches Faktum:

Das 'Muster' lag darin dass diese Vitalfunktionen von einer Sekunde auf die nächste stabil werden. Das ist gegen jede aus der Intuition kommenden Einsicht.

Jeder Arzt hätte wohl gemeint, dass typische Schwankungen in den Werten der Vitalfunktionen entscheidende Hinweise auf eine Infektion geben würden. Doch die quasi "vorurteilslose" Analyse von Big Data zeigte das Gegenteil, ohne eine Kausalität zu klären.

Das hat mittlerweile schon tausenden Frühchen das Leben gerettet. Man kann zum Beispiel früher Antibotika geben.

Pragmatisch könne man in der Medizin auch ohne Aufklärung der eigentlichen Krankheitsursachen mit Korrelationen von Daten operieren und danach die richtigen Entscheidungen fällen. Das Problem des menschlichen Gehirns sei es nämlich, ständig Erklärungsmuster nach Hypothesen, überlieferten Denkweisen, Werten etc. zu liefern. Damit lande der Mensch aber oft bei den falschen Schlüssen.

Quelle: APAMED