medianet ÖAZ Philips QUALITAS ÖKZ MedAustron

Datum: Montag, 22. Mai 2017

Artikel: Schaffler Verlag, ÖKZ: 58. JG (2017) 05 / Denise Viktoria Hebesberger, Matei Capatu, Victoria Staus, Veronika Schauer, Christoph Gisinger

Bildinhalt: Dr. Johann Höchtl, Wissenschaftlicher Mitarbeiter im Zentrum für E-Governance Forschungsleistungen an der Donau-Universität Krems

Bildrechte: Donau Universität Krems

Dieser Artikel wurde 942 mal gelesen.

Über die Digitalisierung in der Medizin

Die Kehrseite von Big Data: Viele schlechte Daten führen zu einem schlechten Ergebnis.

Angefangen bei Gesundheitsapps über Telemonitoring oder Clinical Decision Support bis zu Komplexitätsforschung – es wird eine Unmenge von Daten über uns und unsere Gesundheit gesammelt. Doch was passiert damit und gilt dabei: je mehr desto besser? Nein, sagt da z.B. Johann Höchtl, wissenschaftlicher Mitarbeiter am Department für E-Governance an der Donau-Universität Krems:

Dem BigData-Paradigma, wonach ein Mehr an Daten immer besser wäre als weniger Daten, muss man nach wie vor entgegenhalten, dass viele schlechte Daten auch zu einem schlechten Ergebnis führen.

Weltweit und auch hierzulande mehren sich die Stimmen der weniger Fortschrittsgläubigen.

Höchtl meint dazu:

Eine Herausforderung sind die als ‚Deep Learning‘ bezeichneten Ansätze. Dabei werden verschiedene Verfahren des maschinellen Lernens kombiniert, um z.B. zu einem besseren Vorhersageergebnis zu gelangen, als es die Anwendung eines jeden einzelnen Verfahrens ergeben könnte. Die Verfahren organisieren sich dabei selbst.

Die Schwierigkeit bestehe aber darin, dass der Mensch nicht wisse, nach welchen Berechnungsvorschriften der Computer ein Ergebnis erziele. „In letzter Konsequenz muss sich der Mensch darauf verlassen, dass Ergebnisse in seinem Sinn erzielt werden“, so Höchtl.

Erste Rückschläge

Der Supercomputer Watson macht z.B. Ärzten das weltweit aktuellste Wissen rund um bestimmte Erkrankungen zugänglich, stellt Diagnosen und sollte auch individuell zugeschnittene Krebstherapien berechnen, so zumindest der Plan des 2013 gestarteten „Oncology Expert Advisor (OEA)-Projekts“ des Texas M.D. Anderson Cancer Centers.1,2

Doch IBM hat sich 2016 aus dem Projekt zurückgezogen. Die Ursache dafür war laut Experten des M.D. Anderson Cancer Centers neben gravierenden eigenen organisatorischen Problemen der Umstand, dass laufend Updates eingespielt werden müssten, damit Watson wirklich mit den neuesten Informationen aus den Krankenhausdaten arbeiten könne.3,4,5

Weltweit gibt es eine Vielzahl an Startups, die möglichst schnell etwas vom potenziellen Big-Data-Kuchen abbekommen wollen. Nikolas Popper, Leiter des Projekts Dexhelpp und Koordinator des Centers for Computational Complex Systems an der Technischen Universität Wien, meint dazu:

Die Daten beantworten uns nicht alles. Um sie auszuwerten und richtig zu interpretieren, braucht es eine interdisziplinäre und wissenschaftliche Herangehensweise. Wenn jemand sagt: ‚Super, ich mess‘ jetzt alle Leute und dann hab‘ ich die Lösung für jegliches medizinische Problem‘, da wär‘ ich vorsichtig.

Versicherungen springen auf

Während vielversprechende IT-Projekte in der Versorgungsforschung eine Grundlage für politische Entscheidungen sein könnten (die ÖKZ berichtete), gieren Versicherungen nach unseren persönlichen medizinischen Daten und gewähren bei vordefiniertem Lebensstil Prämiennachlässe. Auch dies ist kritisch zu hinterfragen, meint Höchtl:

Was mir da wirklich schwer im Magen liegt, ist die Gefahr der Desozialisierung, also die Bestrafung einzelner Individuen, weil man dann ja argumentieren könnte, warum soll ich für andere, die nichts für ihre Gesundheit tun, mitzahlen. Dort ist besondere Sorgfalt gefragt.

Literatur:
1 The University of Texas MD Anderson Cancer Center (2013): MD Anderson Taps IBM Watson to Power „Moon Shots“ Mission. Zugang: https://www.mdanderson.org/ newsroom/2013/10/md-anderson--ibm-watson-worktogether-to-fight-cancer.html Zugriff: 11.4.2017.
2 Heath N (2016): IBM Watson: Six lessons from an early adopter on how to do machine learning. Zugang: http:// www.techrepublic.com/article/ibm-watson-six-lessonsfrom-an-early-adopter-on-how-to-do-machine-learning/ Zugriff 11.4.2017.
3 Chirgwin R (2017): Watson can‘t cure cancer ... or all the stuff that breaks IT projects. Zugang: https://www. theregister.co.uk/2017/02/20/watson_cancerbusting_ trial_on_hold_after_damning_audit_report/ Zugriff: 11.4.2017.
4 IBM’s Watson proves useful at fighting cancer—except in Texas, 2017, arsTECHNICA, Zugang: https://arstechnica. com/science/2017/02/ibms-watson-proves-useful-atfighting-cancer-except-in-texas/, Zugriff 11.4.2017.
5 Mary Chris Jaklevic, 2017, MD Anderson Cancer Center’s IBM Watson project fails, and so did the journalism related to it. Zugang: www.healthnewsreview. org/2017/02/md-anderson-cancer-centers-ibm-watsonproject-fails-journalism-related/ Zugriff 11.4.2017.


Bildinhalt: ÖKZ
  Ausgabe: 05/2017/58.JG
Bildrechte: Schaffler Verlag