Big Data für eine schnellere personalisierte Medizin
Das mit 18 Mio. EUR ausgestattete Projekt P-MEDICINE (From data sharing and integration via VPH models to personalized medicine) führt die besten Experten aus den Bereichen Gesundheitsversorgung, Grundlagenforschung, IT, Recht und Ethik für ein gemeinsames Ziel zusammen: eine schnellere individuelle Diagnose und Behandlung mittels einer großen Datenbank, in der leicht auf patientenbezogene Informationen zugegriffen werden kann. Dieses ehrgeizige Streben wird in den kommenden Jahren im Mittelpunkt von Bemühungen der Gesundheitsforschung sowohl in Europa als auch darüber hinaus stehen. "Dabei gibt es vielfältige Hindernisse", erklärt Prof. Norbert Graf, Leiter der Klinik für Pädiatrische Onkologie und Hämatologie der Universität des Saarlandes und Koordinator des Projekts. "Das erste bilden Verfügbarkeit, Austausch und Verknüpfung von heterogenen Daten von Krankenhäusern, Forschungsinstituten, 'Elektronische Gesundheitsakten' (EHR) usw. Hier spielen Fragen des Datenschutzes und der Privatsphäre sehr stark rein. Das zweite Hindernis ist die Tatsache, dass sich nur wenige Ärzte der Bedeutung von "Big Data" im Gesundheitswesen bewusst sind. Dort, wo die Notwendigkeit besteht, Daten zu zusammenzuführen, muss auch zwischen vielen verschiedenen Akteuren vermittelt werden, unter anderem zwischen Ärzten, IT-Mitarbeitern, Anwälten, Ethikexperten und Grundlagenforschern. Das dritte Hindernis ist, dass auch Patienten mit diesem Thema vertraut gemacht werden müssen. Ohne Befähigung der Patienten wird es schwierig sein, der personalisierten Medizin den Weg zu ebnen." Um diese drei Probleme anzugehen, entwickelte das Konsortium eine integrierte technologische Lösung mithilfe von Werkzeugen für Datenerfassung, semantische Interoperabilität, Datenaustausch und -speicherung, Data Mining, Datenintegration in Modelle sowie für die Entscheidungsunterstützung und Befähigung von Patienten. Dazu gehören das Portal P-MEDICINE, auf dem Patienten, Kliniker und Forscher zusammenarbeiten und Daten gemeinsam nutzen können, sowie ein ontologiebasiertes Managementsystem für klinische Studien (ObTIMA), ein Simulationssystem für Tumorwachstum (Oncosimulator), eine Plattform für einen einfacheren Zugang zu Biobanken (p-BIOSPRE), ein Werkzeug, mit denen Assoziationen zwischen Wirkstoffen visuell erforscht werden können (Correlation-Viewer), ein System für die zeitlich multimodale Bildanalyse (Dr Eye) und e-Learning-Module. Ein Bottom-up-Ansatz Projektkoordinator Prof. Graf weist darauf hin, dass dies alles dank der Einbeziehung aller Beteiligten erreicht werden konnte. "Das Projekt war von Anfang an klinisch ausgerichtet, sodass relevante klinische Fragen direkt vom ersten Moment an gestellt und beantwortet wurden. Für den Datenschutz und die Privatsphäre wurden rechtliche und ethische Rahmenbedingungen geschaffen. Außerdem wurden die entwickelten Werkzeuge, Modelle und Dienstleistungen zwischen allen Beteiligten des Projekts auf iterative Art und Weise aufgebaut. Während dieses Prozesses lag ein besonderer Schwerpunkt auf der Benutzerfreundlichkeit der Werkzeuge sowie auf Schulungsaktivitäten." Ein ganzes Arbeitspaket widmete sich außerdem der Patientenbefähigung. Das IEmS-Tool (Interactive Empowerment Service), das einen Fragebogen zur Beurteilung des psycho-kognitiven Zustands des Patienten umfasst, hilft dem medizinischen Personal, die Kommunikation mit dem Patienten zu verbessern und seine/ihre Bedürfnisse besser zu verstehen, was schließlich zu einer besseren Behandlung führen wird. "Außerdem haben wir ein Werkzeug entwickelt, das den Patienten als Spender von Daten oder Biomaterial anspricht. Damit kann sie oder er entscheiden, wer davon für weitere Forschungen profitieren darf", ergänzt Prof. Graf. Auch die Validierung der entwickelten Instrumente war ein wichtiger Aspekt des Projekts: "Wir verwendeten retrospektive Daten, um unsere Werkzeuge zu entwickeln, und validierten sie mit prospektiven Daten. Die Validierung wurde nach standardisierten Verfahren durchgeführt. Geprüft wurden die Werkzeuge durch ECRIN, und zwar anhand der Frage, ob diese Werkzeuge in den klinischen Studienablauf von ECRIN integriert werden können und ob diese Instrumente die rechtlichen und ethischen Compliance-Aspekte einer 'Guten klinischen Praxis' (GCP) erfüllen." Insgesamt wurden mehr als 100 Peer-Review-Artikel während und nach dem Projekt veröffentlicht, das von anderen EU-geförderten Initiativen wie den Projekten CHIC, MYHEALTHAVATAR und IMANAGE weiter aufgegriffen wird. Die Plattform P-MEDICINE wird vom Study Trial and Research Centre (STaRC) gepflegt werden. Ein Geschäftsmodell wird derzeit entwickelt und eine wichtige Rolle dabei spielen, die langfristigen Auswirkungen der Arbeit von P-MEDICINE sicherzustellen: "Es ist von größter Bedeutung, dass unsere Ergebnisse innerhalb der klinischen Gemeinschaft ausgeschöpft werden, um Ärzte zu gewinnen und sie davon zu überzeugen, die von uns entwickelten Tools zu verwenden. Den Patienten wird eine wichtige Rolle zugewiesen, wenn sie nach einer individuellen Behandlung für ihre Krankheiten fragen, und dies wird einen großen Einfluss auf unser Gesundheitssystem in der Zukunft haben."
Schlüsselbegriffe
Big Data, personalisierte Medizin, Datensammlung, Entscheidungsunterstützung, Patientenbefähigung
