Page 6 - VISION 3 Digitalisierung in der Onkologie
P. 6
SCHWERPUNKT DIGITALISIERUNG IN DER ONKOLOGIE
Stellt man sich vor, dass all diese Informatio-
nen von einer intelligenten Instanz verwaltet
werden könnten, und zwar nicht nur für einen
Patienten, sondern auch für alle Patienten in
einem oder sogar mehreren Krankenhäusern,
wird klar, dass dies ganz konkrete Chancen und
nahe Ziele definieren würde [1]:
Reduktion von Fehlentscheidungen aufgrund von
fehlender und falscher Information bei der ärztlichen
Entscheidungsfindung.
Identifikation von mutmaßlich unschlüssigen Befun-
den, die nicht zum Rest des Krankheitsbildes und den
restlichen Befunden der Patienten passen.
Real-Time Qualitätskontrolle durch Vergleich der
diagnostischen Maßnahmen zwischen allen Patienten
und Krankenhäusern.
Schon jetzt wird in wissenschaftlichen Studien geprüft,
ob intelligente Lernsysteme, welche mit Begriffen wie
„maschinellem Lernen“ (siehe auch Artikel S. 10) oder
„deep learning“ verbunden werden, die Information
verwalten und weiterentwickeln kann. Gemeint sind
Tumor-Konferenzen, die von Computern mit künstlicher
Intelligenz durchgeführt werden und Ärzte mit Hinwei-
sen und alternativen Entscheidungen „versorgen“. Beim
metastasierten Mammakarzinom sind in Deutschland im
Rahmen von Forschungsnetzwerken bereits Studien eta- Wichtig ist, dass Fähigkeiten
bliert, welche die Auswirkungen solcher Systeme auf die
Krankenversorgung testen [2, 3]. Wichtig ist, dass Fähig- des Arztes nicht gefährdet
keiten des Arztes nicht gefährdet werden und Möglich-
keiten der Krankenversorgung ausgebaut werden. Nur so werden und Möglichkeiten der
kann es gelingen, die Krankenversorgung durch intelli- Krankenversorgung ausgebaut
gente Unterstützung durch Computersysteme weiterzu-
bringen und Misstrauen abzubauen. werden. Nur so kann es gelingen,
die Krankenversorgung durch
Unabhängig von diesen Szenarien der Krankenversorgung
wird „Big Data“ der Tumore genutzt, um etwas, was als intelligente Unterstützung durch
„n=1 Medizin“ bezeichnet wird, weiterzubringen. Hiermit
ist gemeint, dass die Information der Tumore soweit ana- Computersysteme weiterzubringen
lysiert wird, dass sogenannte Neo-Epitope des Tumors und Misstrauen abzubauen.
identifiziert werden. Diese Neo-Epitope sind veränderte
Proteine, die nur im Tumor des Patienten vorkommen
und nicht im Rest des Körpers und meistens auch nicht in
einem Tumor eines anderen Patienten. Gegen diese Pro- 1. Tresp V, Overhage JM, Bundschus M, et al. Going Digital: A Survey on
Digitalization and Large-Scale Data Analytics in Healthcare. Proceedings
teine könnten zelluläre Therapien oder Vakzinierungen of the Ieee 2016;104(11):2180-2206.
entwickelt werden. Für diese Identifikation ist meistens 2. Yang Y, Fasching PA, Wallwiener M, et al. Predictive Clinical Decision
die komplette Sequenzierung des Tumors notwendig, Support System with RNN Encoding and Tensor Decoding. 30th Confe-
gefolgt von einer aufwendigen bio-informatischen Ana- rence on Neural Information Processing Systems (NIPS 2016), Barcelona,
Spain 2016.
lyse. Erst kürzlich wurde von einer Patientin berichtet, 3. Yang Y, Tresp V, Wunderle M, et al. Explaining Therapy Predictions with
die für ihr metastasiertes Mammakarzinom mit Lympho- Layer-wise Relevance Propagation in Neural Networks. IEEE International
zyten behandelt wurde, die ganz spezifisch Tumor-Muta- Conference on Healthcare Informatics (ICHI) 2018.
tionen erkennen konnten. Dies führte bei der Patientin zu 4. Zacharakis N, Chinnasamy H, Black M, et al. Immune recognition of
somatic mutations leading to complete durable regression in metastatic
einer langanhaltenden Remission [4]. breast cancer. Nat Med 2018;24(6):724-730.
6