Nehmen wir eine Gruppe von 100 Menschen, die an Diabetes (meist Diabetes mellitus Typ II) erkrankt sind. Wieviele Gemeinsamkeiten hätte diese Gruppe von Erkrankten wohl? Sie würde sich sehr wahrscheinlich so stark unterscheiden, dass sich kein stimmiges Gesamtbild ergibt. Sie könnten sich hinsichtlich ihres Ernährungs- und Lebensstils, ihres sozialen Umfeldes, ihres Alters oder ihrer genetischen Disposition so stark unterscheiden, dass ihre einzige Gemeinsamkeit die Diabetes-Erkrankung wäre. Die Ursachen für die Erkrankung sind vielfältig und ihre weltweite Ausbreitung ist enorm. In Europa sind etwa 10% der Bevölkerung an Diabetes erkrankt und Schätzungen gehen von etwa 500 Mio Erkrankten weltweit in 2030 aus. Was hat Big Data mit dieser Form von Erkrankung und der Medizin im allgemeinen zu tun?
Die Bekämpfung einer Volkskrankheit mit Big-Data-Analytics
Diabetes wurde als eine der Volkskrankheiten des 21. Jahrhunderts genannt. Der Handlungsbedarf ist mehr als gegeben. Um diese Stoffwechsel-Erkrankung erfolgreich bekämpfen zu können, müssen zunächst ihre genauen Ursachen genau erkannt und beschrieben werden. Auch Erkenntnisse über den Behandlungsverlauf können zur Bekämpfung der Krankheit enorm hilfreich sein. Bei beiden Aufgaben können die Analysemethoden von Big Data helfen. Eine der Stärken von Big Data ist es, Muster und Zusammenhänge in großen, unübersichtlichen Mengen von Daten zu verschaffen. Diese Datengrundlage muss jedoch zunächst erst einmal geschaffen werden.
Kosten und Nutzen einer datenbasierten Forschung
Einer Schätzung des Robert-Koch-Instituts zur Folge, leben in Deutschland im Moment 1.3 Mio. Menschen, die mit einer unerkannten und unbehandelten Diabetes-Erkrankung leben. Angesichts der ohnehin rasant steigenden Zahl von Neuerkrankungen, ist dies einer der wichtigsten Anlässe zur besseren Erforschung der Krankheit. Das DDZ (Deutsches Diabetes Zentrum) in Düsseldorf ist das derzeit einzige überregional vernetzte Forschungszentrum, das sich um die systematische Erforschung der Stoffwechselkrankheit kümmert. Untersucht werden hier die genetischen, biochemischen und biometrischen Ursachen sowie die individuellen Verläufe von Diabetes-Erkrankungen. Einen Plan für eine systematische, datenbasierte Analyse der Krankheit fehlt jedoch im Moment.
Dabei lägen Daten bereits in unterschiedlichsten Registern und Formen vor – etwa bei Krankenkassen oder in amtlichen Statistiken. Würden diese Daten zu einem Data Lake zusammengeführt, könnten diese Daten mit Patientendaten angereichert werden. Angesichts der Kosten, die Diabetes im Moment verursacht, stünde dieses Vorhaben dazu in keinem Verhältnis: 20% der Gesamtausgaben aller gesetzlichen Krankenkassen werden für die Behandlung von Diabetes und damit verbundenen Folgeerkrankungen ausgegeben. Nimmt man alle direkten Kosten der Krankheit zusammen, ergibt sich die stolze Summe von 35 Milliarden Euro pro Jahr.
[selectivetweet]#BigData in der #Medizin – Patientendaten sind das Schlüsselelement in einem #BigDataLake.[/selectivetweet]
Die Rolle der Daten in der Medizin
Die Datenerhebung und Datenverarbeitung gehören zu einem der zentralen Bestandteil der Medizin. Seit jeher bestimmt die Medizin der Dreiklang, der aus Anamnese, Diagnose und Prognose besteht. Bei der Anamnese geht es darum, alle relevanten Informationen über einen Patienten zu erkennen und aufzunehmen (Datenerhebung). Bei der Diagnose geht es darum, in diese Informationen ein bekanntes Muster zu erkennen, das einem der bekannten Krankheitsbild entspricht (Datenverarbeitung). Die Prognose wiederum trifft die Aussagen über den zukünftigen Verlauf einer Krankheit (Datenauswertung).
Prognostik früher und heute
[url_preview orientation=“left“ newtab=“true“]https://bigdatablog.de/2016/01/05/digital-humanities-ueber-das-potenzial-von-big-data-in-den-geistes-und-kulturwissenschaften/[/url_preview]In vielen Anwendungsfällen der Medizin gehören bereits heute datenbasierte Methoden zum festen Bestandteil der täglichen Praxis in der Klinik – zum Beispiel bei der 3D-Mammographie oder bei Haut-Scans zur Krebsvorsorge. Daten spielen an drei verschiedenen Stellen des Prozesses von Anamnese, Diagnose und Prognose eine Rolle: Erstens bei der Messung, zweitens bei der Visualisierung und Animation und drittens beim Vergleich mit anderen Patientendaten. Patientendaten sind der zentrale Bestandteil eines Big-Data-Lakes und können bei der Diagnose und Prognose einen unschätzbaren Dienst erweisen.
Insbesondere bei Krankheiten wie dem Diabetes, dessen Ursachen, Verläufe und Folgeerkrankungen so vielfältig sind, könnten die Methoden von Big-Data-Analytics ihre Stärke voll ausspielen. Am Ende einer Strategie, die zur datenbasierten Erforschung führen, können praktische Anwendungen im Rahmen von Gesundheits-Tracking stehen. Jeder Besitzer einer SmartWatch oder eines Tracking-Armbands hätte die Möglichkeit, seine Vitaldaten mit einer großen Diabetes-Datenbank abzugleichen. Mit einer aussagekräftigen Datengrundlage würde auch eine Grundlage für diejenigen geschaffen, deren Erkrankung bislang unerkannt blieb. Jeder Einzelne könnte über eine frei zugängliche Seite im Netz seine eigenen Vitaldaten abklären und so zur Eindämmung der Volkskrankheit Diabetes beitragen.
[highlight_area headline=“Zukunft und Trends der digitalen Welt“ button=“Mehr erfahren“ button_link=“https://bigdatablog.de/speaker/“ button_target=“_blank“ icon=“false“]Big Data ist auch Thema auf deiner Veranstaltung? Wir können dir noch einige Speaker empfehlen.[/highlight_area]