Asthma und COPD: Mit künstlichen Patientendaten die Forschung beschleunigen

Mit synthetischen Daten lässt sich die Forschung beschleunigen und gleichzeitig die Datenqualität verbessern. Was das bei Lungenerkrankungen für die Forschung an einem digitalen medizinischen Zwilling bedeutet, erklärt Harald Binder, Experte für Medizinische Biometrie an der Uniklinik Freiburg.

VDI nachrichten: Herr Professor Binder, Sie entwickeln medizinische digitale Zwillinge. Mit welchen Krankheitsbildern arbeiten Sie dabei?

Harald Binder: Wir haben Asthma- und COPD-Patienten betrachtet – COPD steht für chronisch obstruktive Lungenerkrankung. Unter Datenschutzbeschränkungen konnten wir die Patientendaten von einzelnen Kliniken nicht zusammenführen. Wir haben daher Techniken entwickelt, mit denen wir unsere Modelle an einzelnen Standorten trainieren, an einzelnen Standorten synthetische Daten generieren und diese synthetischen Daten dann zentral zusammenführen können.

Wie viele Falldaten haben Sie verarbeitet?

Über alle Standorte konnten wir mit tausenden Falldaten arbeiten, an einzelnen Standorten sind wir in den Hunderten. Diese reichen einzeln aber oft nicht, um komplexe Muster in den Daten zu finden. Diese Daten haben wir deshalb über Techniken für verteiltes Rechnen zusammengeführt, um mit ihnen die gewünschten Analysen durchzuführen.

Wie kontrollieren Sie, dass die synthetischen Daten repräsentativ sind?

Das Problem ist folgendes: Um diese Methode zu evaluieren, müsste man mit den synthetischen und den zusammengeführten echten Daten arbeiten und die Ergebnisse jeweils miteinander vergleichen. Das ging allerdings aus Datenschutzgründen nicht. Wir haben deshalb auch mit Daten gearbeitet, die den echten Daten nachempfunden waren, um Ergebnisse aus diesen mit den aus synthetischen Daten zu vergleichen.

Patienten und Ärzte profitieren von der Forschung mit medizinischen digitalen Zwillingen

Was haben die Patienten davon?

Es ist zur Risikoabschätzung sehr wertvoll, wenn ich eine Wahrscheinlichkeitsaussage dazu habe, ob ein Patient während des stationären Aufenthaltes möglicherweise versterben wird. Es ist ja eine häufige Frage von Patienten: Wie wird es mit mir weitergehen? Was wird der Effekt von Interventionen sein? Diese Fragen kann ich womöglich nun besser beantworten.

Lesetipp: Das digitale Gesundheitswesen krankt

Wie wirkt das auf die Patienten, wenn Sie auf das Modell verweisen?

Wir hatten einen kleinen Software-Prototypen, mit dem wir zwar nicht bis zum Patienten gegangen sind. Aber wir hatten von den Ärztinnen ein positives Feedback bekommen. Dort gibt es ja auch ein Bewusstsein für die möglichen Probleme in den Routinedaten. Die Modellierung führt nun potenziell dazu, dass mehr Vertrauen entsteht.