KI-gestützte personalisierte Medizin: Fortschritte und Herausforderungen

ESSEN / LONDON (IT BOLTWISE) – Die Digitalisierung der Medizin bringt eine Flut klinischer Daten mit sich, die durch den Einsatz von Künstlicher Intelligenz (KI) in der personalisierten Medizin neue Möglichkeiten eröffnen. Ein aktuelles Beispiel ist das Graduiertenkolleg WisPerMed, das von der Deutschen Forschungsgemeinschaft für weitere viereinhalb Jahre gefördert wird.

Die zunehmende Digitalisierung im Gesundheitswesen führt zu einer exponentiellen Zunahme klinischer Daten, die durch innovative Technologien wie Künstliche Intelligenz (KI) nutzbar gemacht werden können. Das Graduiertenkolleg WisPerMed, unter der Leitung von Prof. Dr. Felix Nensa an der Universität Duisburg-Essen, zielt darauf ab, diese Daten für eine maßgeschneiderte Patientenversorgung zu nutzen. Die Deutsche Forschungsgemeinschaft hat das Programm kürzlich für weitere viereinhalb Jahre gefördert, was die Bedeutung und das Potenzial dieser Forschung unterstreicht.

Seit 2021 arbeiten die Universitätsmedizin Essen und die Fachhochschule Dortmund gemeinsam daran, die personalisierte Medizin direkt am Point of Care voranzutreiben. Dies bedeutet, dass medizinische Entscheidungen nicht mehr nach dem Prinzip ‘eine Behandlung für alle’ getroffen werden, sondern individuell auf die biologische und gesundheitliche Situation der Patienten abgestimmt werden. Ein besonderer Fokus liegt dabei auf der Onkologie, wo neue Werkzeuge zur Behandlung von malignen Melanomen entwickelt werden.

Die Integration von KI in medizinische Entscheidungsprozesse bietet eine enorme Chance, insbesondere in der Krebsmedizin. Ärzte stehen vor der Herausforderung, eine ständig wachsende Menge an Daten zu verarbeiten, was ihre Kapazitäten oft übersteigt. KI kann hier ergänzendes Wissen bereitstellen und aus den Daten neue Erkenntnisse generieren, ohne die Entscheidungsfreiheit der Ärzte einzuschränken. Dies ermöglicht eine präzisere und effizientere Behandlung von Patienten.

Im Rahmen des Graduiertenkollegs arbeiten derzeit 13 Professoren und 13 Doktoranden an einem adaptiven System, das KI in medizinische Entscheidungsprozesse integriert. Durch den Einsatz von Machine Learning-Methoden werden Daten aus verschiedenen Quellen intelligent verknüpft und ausgewertet. Dazu gehören Leitlinien zur Diagnostik, Therapie- und Nachsorgedaten sowie alle relevanten Informationen aus Patientendatenbanken.

Ein zentrales Ziel der Forschung ist es, die gesamte Behandlungskette von der Erstdiagnose über die Therapie bis zur Nachsorge zu optimieren. Anstatt sich auf einzelne Entscheidungsunterstützungen zu konzentrieren, wird ein ganzheitlicher Ansatz verfolgt, der die Versorgungskontinuität und das Behandlungserlebnis der Patienten verbessert. Dies erfordert eine nahtlose Integration von Patientendaten und klinischem Wissen an verschiedenen Schnittstellen des Gesundheitssystems.

Die Visualisierung der KI-Ergebnisse erfolgt in einem Dashboard, das auf die persönlichen Arbeitsweisen und Fachbereiche der behandelnden Ärzte abgestimmt ist. Dies erleichtert die intuitive Nutzung der bereitgestellten Informationen und unterstützt die Mediziner bei der Entscheidungsfindung. Die Zusammenarbeit mit anderen Disziplinen, wie der Informatik und der Sozialpsychologie, ist dabei von entscheidender Bedeutung.

In der kommenden Förderphase wird die Forschung auf den gesamten Behandlungspfad ausgeweitet. Ziel ist es, Technologien zu entwickeln, die sowohl den individuellen Anforderungen des medizinischen Fachpersonals gerecht werden als auch die Versorgungskontinuität der Patienten verbessern. Dies könnte die Art und Weise, wie medizinische Entscheidungen getroffen werden, grundlegend verändern und die Effizienz und Präzision der Patientenversorgung erheblich steigern.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!