Wie hilft Big Data bei der Entdeckung neuer Behandlungen?

Was ist Big Data?

Ihre Beiträge in sozialen Medien, Foto- und Videoarchive, Einkaufsgewohnheiten, Google-Suchen, Schritte, Herzrhythmus, beispielsweise mit Smartwatches gemessen, Erkrankungen, Blutwerte und DNA: Alles über einen Menschen und sein Leben wird inzwischen aufgezeichnet. Diese Rohinformationen heißen Big Data, also große Datenmengen , so lautet die Bezeichnung.

Mit Big Data und Werkzeugen neuer Generation zum Data-Mining lassen sich aus unermesslichen, vielfältigen, bislang nicht erfassten oder analysierten Daten sinnvolle Ergebnisse gewinnen. Gesundheitsdaten gehören zu den wertvollsten Rohinformationen.

Big Data verbindet sich mit künstlicher Intelligenz, maschinellem und tiefem Lernen sowie strukturierten und unstrukturierten Daten. Für Gesundheitswesen und Pharmaindustrie sind dies heute Grundlagen einer produktiven Ära.

Nicht nur im Gesundheitswesen, sondern in der gesamten Wirtschaft sind große Datenmengen und ihre sinnvolle Analyse heute die wichtigste Stärke.

1. Bisher unbekannte Krankheitsziele mit Big Data erschließen

Eine der vielversprechendsten Anwendungen ist die Suche nach zuvor unerkannten Zielstrukturen. GSK (GlaxoSmithKline) und Pfizer konzentrieren sich mit KI-Anbietern darauf. Manche Biotechfirmen bauen eigene KI-Plattformen auf. Berg Health untersucht mit patentierten Lernalgorithmen molekulare und erkrankte Zellkulturdaten. So wurden mehrere Zielstrukturen und mögliche Medikamente gegen Glaukom, Haarausfall, Krebs und neurodegenerative Störungen entdeckt.

2. Mit Big Data Schwachstellen des AIDS-Erregers HIV finden

Ein Team aus Hongkong arbeitet an einem Impfstoff, der den richtigen Virusteil trifft und HIV an der Vervielfältigung hindert. Dafür muss die Polyproteinsequenz kartiert werden, wobei Big Data hilft. Aus 1918 HIV-infizierten Menschen und 20.043 Sequenzen gewonnene 815 Aminosäuren wurden mit KI untersucht. Damit sollen neue Ansätze entstehen, um die Fähigkeit des Virus zur Mutation und Infektionsverursachung einzuschränken, darunter neue Immuntherapien und Impfstrategien.

3. Medikamente und Wechselwirkungen mit Big Data verfolgen

Maschinelles Lernen ermöglicht schnellere, hochauflösende Methoden zur Beobachtung von Wechselwirkungen und verhindert übersehene Aspekte. Dies bietet Vorteile besonders bei seltenen Erkrankungen mit wenigen oder keinen bekannten Zielstrukturen. Sanofi arbeitet daran, für neue Indikationen Moleküle in klinischen Studien zu untersuchen und sichtbar zu machen.

4. Literaturrecherche und Quellenbeobachtung mit Big Data

KI ermöglicht eine effizientere Gewinnung nützlicher Informationen aus pharmazeutischer Forschung und Entwicklung. BenevolentAI besitzt mit dem Judgment Correlation System (JACS) Algorithmen zur Interpretation von Milliarden Sätzen und Absätzen aus Millionen Artikeln und Übersichten. JACS identifiziert direkte Beziehungen zwischen Daten und „bekannten Fakten“, die auf Hypothesen beteiligter Wissenschaftler beruhen. Ein Expertenteam bewertet die Ergebnisse und priorisiert sie nach ihrem Wert. Die biomedizinische Sparte nutzt die Technik bei ALS; damit erzielte Erfolge lieferten wesentlich wirksamere Ergebnisse als zuvor.

5. Patientenorientierte Forschung mit Big Data

Big Data revolutioniert nicht nur die Analyse, sondern auch die Datenerhebung. LymeDisease.org stellte kürzlich MyLymeData vor. Die Anwendung soll die Forschung zur Lyme-Borreliose beschleunigen. Sie gehört derzeit in den USA zu den häufigsten von der Mutter auf das Kind übertragenen Erkrankungen; Diagnose- und Behandlungsfehler können %35-50 erreichen. Der Weg zu Diagnose und Therapie belastet viele Patienten stark. Die Anwendung verspricht anhand Tausender Patientendaten Antworten darauf, warum manche auf Behandlungen ansprechen und andere nicht.

6. Große Krebsmedikamentendaten mit Big Data

Die Initiative CODE-cancer.com, eine Zusammenarbeit für europäische Onkologiedaten, sammelt aus 7 europäischen Ländern und 200 Krebszentren über 3 Jahre Daten, die neue Behandlungen ermöglichen sollen. In den nächsten 10 Jahren ist eine Erweiterung auf 2000 Zentren geplant. Damit ließe sich vergleichen, welche Medikamente bei welchen Krebsarten wirksamer sind.

7. Gesundheitsdaten mit Big Data und künstlicher Intelligenz sammeln

Eine weitere Herausforderung sind Data-Mining und Nutzbarmachung strukturierter und unstrukturierter Daten. Das britische Krebsforschungszentrum verspricht dafür 30 Millionen Dollar Preisgeld. Dies könnte Medikamentenentdeckung und Krebsforschung fördern. Ein Ziel sind Muster aus medizinischen und nichtmedizinischen Quellen zur früheren Krebserkennung. Bei Erfolg entsteht jedoch eine ethische Frage: Wenn Gesundheitsdaten leicht zugänglich und für Lösungen verwendbar sind, könnten sie auch missbräuchlich zur Verursachung von Problemen eingesetzt werden?

VERWANDTE THEMEN

• Derzeit empfehlen wir gesunden Menschen keine Liquid Biopsy zur Krebsfrüherkennung! Warum?
• Die Grenzen des menschlichen Geistes, künstliche Intelligenz und die Zukunft der Medizin
• Neueste Entwicklungen: 2018 werden 7 Trends die Krebsbehandlung prägen