«Die Medizin wird modellgetrieben»

ETH-News: Herr Buhmann, mit der Digitalisierung steht unsere Gesellschaft mitten in einem fundamentalen Transformationsprozess. Inwiefern ver?ndert dieser auch die Medizin?
Joachim Buhmann: Die Medizin wird sehr viel st?rker als heute von Vorhersagemodellen bestimmt sein. Mithilfe von Computern k?nnen wir heute viel komplexere Modelle entwickeln als fr¨¹her. Und nirgends werden diese Modelle dringender ben?tigt als in der Medizin. Wir k?nnen Daten von vielen medizinischen F?llen sammeln und daraus lernen, was die Mechanismen einer Krankheit sind. Dabei m¨¹ssen wir allerdings so viele Parameter ber¨¹cksichtigen, dass wir Maschinen brauchen, die sie verarbeiten. Vor der Digitalisierung konnten wir Menschen keine Modelle studieren, die so komplex waren, dass wir sie uns nicht mehr merken konnten. Heute geht das ¨C indem wir nicht mehr die Modelle selbst entwerfen, sondern uns ¨¹berlegen, wie Algorithmen aussehen k?nnten, die dann die Modelle erzeugen. Das ist maschinelles Lernen.

K?nnen Sie uns ein Beispiel geben?
In einem unserer Projekte besch?ftigen wir uns mit der Herzmedizin. Kardiologen und Radiologen betrachten das Herz aus einem unterschiedlichen Blickwinkel, und sie generieren unterschiedliche Daten, EKGs und Ultraschallechos. Bereits heute sind Computer hervorragend darin, unterschiedliche Datens?tze zusammenzuf¨¹hren und zu verwalten. F¨¹r die Zukunft besteht die berechtigte Hoffnung, mit solchen Daten und mit Algorithmen des maschinellen Lernens zuverl?ssige Aussagen und Prognosen machen zu k?nnen, wahrscheinlich zuverl?ssigere als heute, wenn sich zwei ¨¹berarbeitete ?rzte in einem Meeting zusammensetzen und die Befunde bewerten.

Was sind die Herausforderungen einer solchen modellgetriebenen Medizin?
Zun?chst m¨¹ssen wir sehr grosse Anstrengungen machen, die Daten wirklich zu sammeln. Es geht dabei einerseits um Messdaten von Patienten, wir nennen das Prim?rdaten. Mindestens genauso wichtig sind andererseits annotierte Daten. Das sind die Inhalte der Krankengeschichte eines Patienten, die ein Arzt mithilfe dieser Prim?rdaten formuliert hat. Die Medizin ist wahrscheinlich eine der fundamentalsten Erfahrungswissenschaften, und solche annotierten Daten stellen einen unsch?tzbaren Wissensfundus dar. Der Zugriff auf diese Daten und deren Verwendung ist ein wesentliches Element unserer Forschung. Absolut zentral ist nat¨¹rlich auch, dass wir die Datenakquisition ¨¹ber die verschiedenen medizinischen Disziplinen hinweg standardisieren, und dass die Spit?ler ihre Daten zusammenzulegen, um eine kritische Menge an F?llen zu erhalten. Hier laufen im Moment begr¨¹ssenswerte Bestrebungen im Rahmen des Swiss Personalized Health Network.

Es geht dabei um das Sammeln von pers?nlichen und sensiblen Daten ¨¹ber den eigenen K?rper, die man vor Missbrauch sch¨¹tzen m?chte.
Selbstverst?ndlich muss man den Umgang mit den Daten regeln. Auch ich m?chte nicht, dass aufgrund einer Genomanalyse meine Lebensversicherungspr?mie ansteigt. Daten erfolgreich zu sch¨¹tzen, ist aber m?glich. Datenschutzfragen haben heute eine riesige Publizit?t. Vielleicht auch deshalb, weil man sie medial einfach vermitteln kann. Die weniger gut zu vermittelnde und viel gr?ssere Herausforderung ist es allerdings, die Daten ¨¹berhaupt erst nutzbar zu machen und zu verstehen. Daran arbeiten wir.

Auch ?rzte melden Vorbehalte an, Krankengeschichten an Forschende weiterzugeben. Die ?rzte w¨¹rden damit Einblick gew?hren in ihre Arbeitsweise und k?nnten sich angreifbar machen.
Nat¨¹rlich wird ein Arzt nur bereit sein, seine Daten zur Verf¨¹gung zu stellen, wenn er die Zusicherung erh?lt, dass von den Daten keine Rechtsanspr¨¹che gegen ihn abgeleitet werden. Dies muss und kann man rechtlich regeln.

Inwiefern wird sich der Arztberuf mit der Digitalisierung wandeln?
Erlauben Sie mir eine ¨¹berspitzte und plakative Formulierung: Ein Arzt ist zu einem guten Teil eine m?ssig gut organisierte Datenbank. Ein Computer wird zwar nie der bessere Arzt sein, denn der Arzt steht auch am Krankenbett, und Empathie kann ein Computer nur ungen¨¹gend vermitteln. Aber Informationssysteme sind die zuverl?ssigeren Wissensspeicher. Jene F?higkeiten des Arztes, die auf Wissenszugriff und Wissensgenerierung beruhen, werden durch die digitale Transformation massiv ver?ndert. In unserer Gruppe haben wir Systeme gebaut, die Biopsien von Krebspatienten analysieren. Computer sind heute teilweise so gut wie die Pathologen und manchmal sogar besser. Ausserdem arbeiten Computer 24/7, und es gibt keinen Rosenmontagsausfall.

Neben Ihrer T?tigkeit als Professor sind Sie an der ETH auch Prorektor f¨¹r das Studium. Baucht es Anpassungen in der Medizinausbildung?
Ja, absolut. Die mathematische Bildung von Medizinern muss drastisch verbessert werden. Im neuen Medizin-Bachelorstudiengang an der ETH versuchen wir, das Angebot f¨¹r die Studierenden zu variieren. Wir st?rken den technologischen Bereich und bieten das Fach Medizininformatik an, f¨¹r das ich mich stark gemacht habe.

M¨¹ssen ?rzte zu Medizininformatikern werden?
Der Arzt muss mit dem Instrumentarium Rechner umgehen k?nnen. Er muss nicht notwendigerweise Programme schreiben k?nnen, auch wenn es nat¨¹rlich sch?n w?re, wenn er das k?nnte. Aber wenn der Rechner ihm einen Unsinn erz?hlt, muss er in der Lage sein, diesen zu erkennen.

In Ihrer Forschung besch?ftigen Sie sich mit Datenverarbeitungsketten. Was ist damit gemeint?
Nehmen Sie einen Krebspatienten. Von ihm wird zun?chst eine Biopsie genommen. Diese wird pr?pariert, andere ?rzte versehen diese mit Anmerkungen und ziehen ihre Schlussfolgerungen daraus. Sp?ter kommen weitere Informationsquellen dazu, diese m¨¹ssen fusioniert werden. Und ¨¹berall verwenden ?rzte heute schon Hilfsmittel. In so einer Kette werden verschiedene komplexe Algorithmen eingesetzt. Ganz am Schluss kommt eine Diagnose heraus, eine Prognose zum Krankheitsverlauf und vielleicht ein Therapievorschlag. Das sind alles Vorhersagen. Diese lange Kette startet mit unglaublich vielen Daten, und am Ende haben Sie bloss noch ganz wenige Bits. Heute gibt es keine Theorie, nach der man bei solchen langen Datenverarbeitungsketten ¨¹berpr¨¹fen kann, ob und wo allenfalls essenzielle Bits verloren gegangen sind, um dann die Prozesskette zu verbessern. Eine solche Theorie f¨¹r robuste Algorithmen zu entwickeln, ist zentraler Teil meiner Forschung.