Personalised health aims to provide optimal medical care using data collected on a person-specific basis. This web portal provides background information on the topic and highlights possible areas of application and current research.more

Image: LoveIsAFastSong, photocase.demore

Prädiktiver Algorithmus: "Es gibt Abstufungen in der Zuverlässigkeit der Ergebnisse".

Icon_noun_Algorithmen

In der Medizin von morgen könnten Algorithmen unter anderem dazu dienen, das Risiko für die Entstehung einer Krankheit vorherzusagen. Aber was ist eine Vorhersage? Der Statistiker Frédéric Schütz liefert Erklärungen.

Autor: Arnaud Aubry

Es handelt sich um ein neues Idol, eine neue Kristallkugel: Prädiktive Algorithmen verfügen über das Potential, die Medizin umzukrempeln, indem sie dank neuer Technologien und der Genetik Krankheiten voraussagen könnten, oder teils sogar schon können. Frédéric Schütz, Bioinformatiker und Statistiker, Professor für Lehre und Forschung an der Universität Lausanne und statistischer Berater am Schweizerischen Institut für Bioinformatik (SIB), erläutert diese Revolution.

Frédéric Schütz: Zunächst einmal müssen wir diesen Begriff entmystifizieren. Ein Algorithmus ist normalerweise nichts anderes als ein Kochrezept: Eine Reihe von Inhaltsstoffen, in diesem Fall Umwelt- und Gendaten, werden kombiniert, und man erhält eine einer Diagnose. Ein prädiktiver Algorithmus weist die Besonderheit auf, sich auf die Zukunft zu konzentrieren: Ziel ist es zu bestimmen, ob der Patient künftig Gefahr läuft, eine Krankheit zu bekommen, aber auch, welche Behandlung am besten funktioniert oder welche die geringsten Nebenwirkungen nach sich zieht.

Um diese Ergebnisse zu erhalten, stützen sich prädiktive Algorithmen auf wissenschaftliche Studien. Aus den Ergebnissen dieser Studien leiten die Forschenden Wahrscheinlichkeiten und damit Rechenregeln ab, die der Algorithmus in seiner Gleichung berücksichtigt.

Diese Algorithmen, die von Start-ups, Diagnoselabors, der Pharmaindustrie oder von Forschungsgruppen an Universitäten entwickelt werden, beurteilen nicht, ob der Patient die Krankheit zwingend haben wird. Sie bestimmen nur das Risiko, dass eine Krankheit ausbrechen wird.

Krankheiten können mehrere Ursachen haben: entweder genetische oder umweltbedingte, häufig ist es aber eine Kombination aus beidem. Chorea Huntington zum Beispiel ist zu 100% genetisch bedingt. Andererseits werden einige Krankheiten, wie z.B. asbestbedingte Krebserkrankungen, nicht sehr stark von den Genen beeinflusst, sondern fast ausschliesslich durch Umweltfaktoren. Ein prädiktiver Algorithmus wird diese beiden Arten von Faktoren – Genetik und Umwelt – berücksichtigen, um sein Ergebnis zu ermitteln. Das Ergebnis besteht aus einer Wahrscheinlichkeitsangabe, die das Risiko benennt, eine bestimmte Krankheit zu entwickeln.

Je mehr Informationen Ärzte über den Patienten und die Krankheit haben, desto besser können sie ihre Ergebnisse verfeinern und eine personalisierte Wahrscheinlichkeit ermitteln. Wir können Angelina Jolie als Beispiel nehmen: Durch die Kenntnis des genetischen Erbes und unter Berücksichtigung der Familiengeschichte konnten die Wissenschaftler das Risiko für Brustkrebs bestimmen. Auf dieser Grundlage konnte die Schauspielerin entscheiden, ob eine Operation für sie einen Vorteil bringen würde.

Entscheidend ist es, verstehen zu können, wie hoch die Wahrscheinlichkeit des Risikos ist, die der Algorithmus darstellt. Dabei gilt es mehrere Faktoren zu berücksichtigen. Zunächst einmal die Krankheit, mit der man konfrontiert wird. Die Entscheidung, zu intervenieren, hängt von der Krankheit ab, den verfügbaren Behandlungen oder von den Massnahmen, die der Patient ergreifen kann, um das Risiko zu verringern. Dann ist auch die Wahrscheinlichkeit als solche wichtig, d.h. der Prozentsatz des Risikos, diese Krankheit zu entwickeln. Und schliesslich die Konsequenzen, wenn wir uns entscheiden, zu intervenieren oder nicht zu intervenieren. Es gibt nicht unbedingt die eine richtige Antwort. Wir können uns nicht hinter Wahrscheinlichkeiten verstecken. Das ist eine zutiefst menschliche Entscheidung.

Ein prädiktiver Algorithmus basiert auf Statistiken, die aus wissenschaftlichen Studien stammen. Damit sie jedoch repräsentativ sind, wird mit grossen Populationen gearbeitet. Ein Problem liegt darin, von der statistischen Wahrheit auf Bevölkerungsebene auf die individuelle statistische Wahrheit zu schliessen. Dies ist manchmal gewagt, denn Wahrscheinlichkeiten basieren auf Durchschnittswerten. Wir sehen, dass der Durchschnitt auf der individuellen Ebene nicht funktioniert. Wenn 50% einer Bevölkerung Krebs haben, bedeutet das nicht, dass jede Person einen halben Krebs hat!

Bei einer Krankheit, bei der der genetische Faktor nur eine untergeordnete Rolle spielt (10 oder 20%), hilft die prädiktive Medizin nicht viel. Es gibt daher Abstufungen in der Zuverlässigkeit dieser Ergebnisse.

Ich sehe darin eher eine zusätzliche Unterstützung für Ärzte, eine evidenzbasierte Medizin. Es gab einige Revolutionen in der Medizin, die die Sterblichkeit reduziert haben: z.B. Impfstoffe, Antibiotika und Stents (die Behandlung von Arterienerkrankungen ohne Operation, Anmerkung der Redaktion). Es gibt keine Beweise dafür, dass personalisierte Gesundheit zum jetzigen Zeitpunkt zu einer vergleichbaren Revolution führt.

Mai 2019


Quelle und Originaltext

www.santeperso.ch