Deutsches Klinikum testet kognitiven Assistenten für die Diagnose seltener Krankheiten.

Foto: IBM Research Das Team von Jürgen Schäfer entwickelt gemeinsam mit IBM Research ein System, das mittels Cognitive Computing Hypothesen für die Diagnose seltener Krankheiten erstellt Der deutsche Krankenhausbetreiber Rhön-Klinikum testet ab Ende des Jahres am „Zentrum für unerkannte und seltene Erkrankungen“ (ZusE) des Universitätsklinikums Marburg ein auf der IBM-Watson-Technologie basierendes, kognitives Assistenzsystem. Das System soll die Ärzte und Spezialisten bei der Diagnosefindung unterstützen und so die Behandlungszeit von jährlich hunderten Patienten verkürzen.
Der Krankenhausbetreiber und IBM entwickelten in einem 12-monatigen Pilotprojekt ein kognitives Assistenzsystem, das die Spezialisten des ZusE bei der Analyse von Patientendaten unterstützen soll, schnellere und bessere Behandlungsentscheidungen zu treffen. Kognitive Computersysteme verstehen natürliche Sprache, können logische Schlüsse ziehen und lernen aus der Interaktion mit Daten und Benutzern. Sie können den Benutzer in einer neuen Qualität dabei unterstützen, die digitale Datenflut besser und effizienter zu nutzen und neue Erkenntnisse aus großen, polystrukturierten und mehrdeutigen Informationsmengen zu ziehen.
Patienten mit seltenen Krankheiten haben oft eine jahrelange medizinische Odyssee hinter sich, die sich auch in einer Unmenge an strukturierten und unstrukturierten Daten wie Labortests, klinischen Berichten, Arzneimittelverschreibungen, radiologischen Untersuchungen und pathologischen Berichten widerspiegelt. „Unser Zentrum ist daher nicht nur durch die schiere Anzahl an Patienten, sondern auch durch die Flut an Daten überwältigt. Dies ist eine besondere Herausforderung, da unsere Arbeit oft der sprichwörtlichen Suche nach der Nadel im Heuhaufen gleicht. Wir dürfen keine einzige Information übersehen, denn gerade sie könnte am Ende für die genaue Diagnosestellung entscheidend sein“, sagt Jürgen Schäfer, Experte für seltene Krankheiten und Leiter des ZusE. In Anlehnung an den Hauptcharakter der bekannten TV-Arztserie ist Schäfer auch als der „deutsche Doctor House” bekannt.
Zurzeit verläuft die Diagnosestellung folgendermaßen: Wenn das ZusE-Expertenteam einen Patienten erstmals behandelt, führt es eine umfassende Anamnese durch, in der die Experten mit dem Patienten sprechen und die Krankenakte sehr sorgfältig studieren. In die Diagnose fließen außerdem die Erfahrung und das umfangreiche Wissen des Teams, sowie Informationen aus Fachartikeln, von Webseiten und Expertensystemen ein. Dieser Prozess kann pro Patient mehrere Tage in Anspruch nehmen.

Pilotprojekt für Assistenzsystem.

Abhilfe soll ein kognitives Assistenzsystem schaffen. Im Rahmen des Pilotbetriebes werden die Patienten einen digitalen Fragenbogen ausfüllen. Die Antworten werden anonymisiert an das Watson-System weitergeleitet, wo die für die Ärzte relevanten Informationen extrahiert werden. Der kognitive Assistent nutzt einen speziell entwickelten Algorithmus zur Verarbeitung natürlicher Sprache, um die auf Deutsch verfassten Fragebogenantworten mit dem englischsprachigen Wissensbestand des Systems zu verarbeiten.
„Mit Hilfe von Cognitive Computing erstellen wir eine Liste von Hypothesen, die dann den Ärzten vorgelegt wird. Die Liste enthält auch die Quellen, auf Grund derer die Hypothesen erstellt wurden, um so eine auf einer umfassenden Datenbasis fußende Diagnose zu ermöglichen“, erklärt Matthias Reumann, Projektleiter bei IBM Research Zürich.

Optimiertes Patientenmanagement.

Die in der Pilotphase am Uniklinikum gewonnenen Erfahrungen und Erkenntnisse werden anschließend ausgewertet und dann auch anderen Krankenhäusern der Gruppe zur Verfügung stehen. Zudem soll das Assistenzsystem nicht nur Ärzten bei der Diagnosefindung unterstützen, sondern auch bereits in der vorklinischen Phase eine datengestützte, versorgungsgerechte Patientennavigation entweder in den ambulanten oder den stationären Bereich sicherstellen. Zeit- und kostspielige Fehlzuweisungen könnten dadurch vermieden werden.