Künstliche Intelligenz kann die Akute Myeloische Leukämie erkennen

Künstliche Intelligenz kann eine der häufigsten Formen von Blutkrebs – die Akute Myeloische Leukämie (AML) – mit hoher Zuverlässigkeit erkennen. Das haben Forschende des Deutschen Zentrums für Neurodegenerative Erkrankung (DZNE) und der Universität Bonn im Rahmen einer Machbarkeitsstudie nun nachgewiesen. Ihr Ansatz beruht auf der Analyse der Genaktivität von Zellen, die im Blut vorkommen. In der Praxis eingesetzt, könnte dieses Verfahren herkömmliche Diagnosemethoden unterstützen und den Therapiebeginn möglicherweise beschleunigen. Die Forschungsergebnisse sind im Fachjournal „iScience“ veröffentlicht.

Künstliche Intelligenz ist in der Medizin ein vieldiskutiertes Thema, insbesondere im Bereich der Diagnostik. „Wir wollten die Potentiale an einem konkreten Beispiel untersuchen“, erläutert Prof. Joachim Schultze, Forschungsgruppenleiter am DZNE und Leiter der Abteilung Genomik und Immunoregulation am LIMES-Institut der Universität Bonn.

Schultze und Kollegen ging es dabei um das „Transkriptom“: einer Art Fingerabdruck der Genaktivität. Denn in jeder Körperzelle sind je nach deren Zustand immer nur bestimmte Gene „eingeschaltet“, was sich im Profil der Genaktivität widerspiegelt. Genau solche Daten – sie stammten von Zellen aus Blutproben und umfassten tausende von Genen – wurden im Rahmen der aktuellen Studie untersucht.

In der aktuellen Studie stand die AML im Fokus. Ohne adäquate Behandlung führt diese Form der Leukämie innerhalb von Wochen zum Tode. Die AML geht einher mit der Vermehrung krankhaft veränderter Knochenmarkszellen, die letztlich ins Blut gelangen können. Dort treiben dann gesunde Zellen und Tumorzellen, deren Gene jeweils typische Aktivitätsmuster aufweisen. Alle diese Aktivitätsprofile gingen in die Analyse ein. Messdaten von mehr als 12.000 Blutproben – diese stammten aus 105 verschiedenen Studien – wurden dabei berücksichtigt: der bislang größte Datensatz für eine Metastudie über AML. Rund 4.100 dieser Blutproben kamen von Personen mit AML-Diagnose, die übrigen von Personen mit anderen Erkrankungen oder von Personen, die als gesund eingestuft worden waren.

Die Wissenschaftler fütterten ihre Algorithmen mit Teilen dieses Datensatzes. Zum Input gehörte, welche Proben von AML-Patienten stammten und welche nicht. „Die Algorithmen suchten dann im Transkriptom nach krankheitstypischen Mustern. Das ist ein Prozess der weitgehend automatisiert ablief. Man spricht von maschinellem Lernen“, sagt Schultze. Mit der so erworbenen Mustererkennung wurden dann weitere Daten von den Algorithmen analysiert und klassifiziert, also eingeteilt in Proben mit AML und ohne AML. „Uns war die Zuordnung, so wie sie in den Originaldaten verzeichnet war, natürlich bekannt, der Software jedoch nicht. Insofern konnten wir die Trefferquote überprüfen. Diese lag bei einigen Verfahren oberhalb von 99 Prozent.“

In der Praxis eingesetzt, könnte dieses Verfahren herkömmliche Diagnosemethoden unterstützen und helfen, Kosten zu sparen, meint der Bonner Wissenschaftler. „Prinzipiell könnte eine Blutprobe ausreichen, die der Hausarzt entnimmt und zur Analyse an ein Labor weiterleitet. Ich würde schätzen, dass die Kosten unterhalb von 50 Euro liegen.“

„Mit einem Bluttest, so wie er auf der Grundlage unserer Studie möglich scheint, wäre es denkbar, dass bereits der Hausarzt einen Verdacht auf AML abklärt. Und wenn sich dieser erhärtet, an einen Spezialisten überweist. Die Diagnose würde dann möglicherweise früher erfolgen als bisher und die Therapie könnte früher beginnen.“

 

Quelle: Gemeinsame Pressemitteilung des Deutschen Zentrums für Neurodegenerative Erkrankungen und der Universität Bonn, 20. Dezember 2019 (gekürzt)

Projekt Nightingale

Aktuell wurden in der Presse Gesundheits-Websites kritisiert, die ihre Daten an Google, Facebook und Amazon weitergegeben würden – ohne Einverständnis der User und entgegen der Rechtslage.

Besonders im Fokus dabei: da Google-Projekt „Nightingale“. Die Headlines klingen besorgniserregend. Einige Beispiele: Project Nightingale: Google erhält Zugriff auf Millionen Patientendaten (e-recht24.de am 18.11.2019) oder Project Nightingale: Google geht auf Patientenjagd (heise.de vom 13.11.2019) oder PROJEKT NIGHTINGALE: Google wertet Daten von Millionen US-Patienten aus (golem.de vom 12.11.2019).

Worum geht es bei dem Projekt? Ein Google-Ableger arbeitet mit der Firma Ascension zusammen, diese betreibt in den USA Krankenhäuser, Arztpraxen etc. Die (Patienten-)-Daten werden mithilfe einer künstlichen Intelligenz analysiert, Zielsetzung ist die Verbesserung der Behandlung und die Verminderung der Kosten.

Die Kritiker sorgen sich um Datenschutz und Datenmissbrauch. Dem jüngst ins Leben gerufenen Projekt von Gesundheitsminister Spahn, Daten der Kassenpatienten anonym auszuwerten, wird es da ganz ähnlich gehen.

 

Erste CE-zertifizierte Software Deutschlands zur Brustkrebsvorsorge mittels KI

Die KI-Software „Vara“ des Berliner Unternehmens Merantix hat die behördliche Zulassung zur Automatisierung der Brustkrebsvorsorge in Europa erhalten. Es ist die erste deutsche KI-Software, mit der sich Radiologen auf schwierige Bilder konzentrieren können, indem sie automatisch unauffällige herausfiltern und sich dann auf die kritischen Befunde konzentrieren können. Aufgrund des zunehmenden Mangels an spezialisierten Radiologen haben Millionen von Frauen keinen Zugang zum Brustkrebs-Screening. Obwohl bis zu 97% aller Mammogramme gesund sind, müssen mehrere Radiologen jedes Bild manuell beurteilen. Angesichts des zunehmenden Zeitdrucks ist dies für Radiologen weltweit eine anstrengende und fehleranfällige Aufgabe.

Das Unternehmen hat bereits Partnerschaften mit mehreren radiologischen Arbeitsgruppen und Teleradiologieanbietern in ganz Europa geschlossen, um Vara für landesweite Screening-Programme zu gewinnen und ist bereits in fünf europäischen Ländern im Einsatz. Vara wurde anhand eines der weltweit größten Brustkrebsdatensätze mit Millionen von Bildern geschult, die auf Daten zur klinischen Datengrundlage und Expertenanmerkungen basieren. Bei den ersten klinischen Einführungen zeigte Vara eine signifikante Reduzierung der Arbeitsbelastung bei gleichzeitig höchster Sicherheit, unkritische Bilder auszuschließen. Vara ist Deutschlands erste CE-zugelassene KI-Software für die Krebsvorsorge. Die CE-Zulassung ermöglicht, dass die Software als Medizinprodukt in den Handel kommen darf.

Unternehmensmitteilung

Neuer IQVIA-Report beleuchtet auch Technologie

Unter dem Titel „The Global Use of Medicine in 2019 and Outlook to 2023“ wendet sich der aktuell erschienene Report des IQVIA-Instituts den globalen Aussichten für die Verwendung und Ausgaben von Medikamenten zu. Neben (Pharma-) Marktzahlen werden auch Entwicklungen in der digitalen Welt berücksichtigt.

Die Anwendungen von Maschinellem Lernen (ML) und künstlicher Intelligenz (KI) werden erweitert, selbstlernende Algorithmen analysieren große Datenmengen, verknüpfen Datensätze und erlauben neue, nutzbringende Erkenntnisse.

Insbesondere werden biowissenschaftliche Unternehmen in „KI, ML und Deep Learning-Programme investieren, um präklinische Substanzen zu bewerten, potenzielle Ziele auf der Grundlage von Daten aus der realen Welt (RWD) zu identifizieren und die Effizienz in der klinischen Entwicklung zu steigern“. Patientendaten werden geclustert um den optimalen Behandlungszeitpunkt zu finden.

Vermutlich wird das Personalangebot an gesundheitsspezifischen Datenwissenschaftlern hinter der Nachfrage von Unternehmen deutlich zurückbleiben. Mit der Anwendung von ML auf neue Bereiche der Wissenschaft und des Gesundheitswesens werden neue Komplexitätsschichten entdeckt. Der Patient steht im Mittelpunkt – aber auch seine Daten. Deshalb ist davon auszugehen, dass Fragen des Datenschutzes, der Datensicherheit und des Eigentums der Daten eine noch intensivere Diskussion erfahren werden (müssen).

Zum Download des Reports.

 

Künstliche Intelligenz in der Augenheilkunde

Künstliche Intelligenz hat sich bei der Klassifizierung zweidimensionaler Fotografien einiger häufiger Krankheiten als vielversprechend erwiesen. Sie stützt sich in der Regel auf Datenbanken mit Millionen kommentierter Bilder. In diesem Blog haben wir bereits über Anwendungen in der Dermatologie berichtet.

Die Autoren des Beitrags „Clinically applicable deep learning for diagnosis and referral in retinal disease“, erschienen in dem Journal nature medicine, haben eine neuartige Deep-Learning-Architektur (wieder einmal Google-Technologie) in der klinischen Routine eingesetzt.

Das System ist in der Lage, 3D-Retina-OCT-Scans auf frühe Anzeichen von Glaukomen, diabetischen Augenerkrankungen und Makuladegeneration hin zu analysieren.

Man hofft, dass das KI-System dazu beitragen kann, das Sehvermögen der Patienten zu retten und erwartet eine weltweite Einführung dieses diagnostischen Werkzeugs.