Das Dr. von Haunersche Kinderspital (LMU Klinikum) stellte am Wochenende vom 26.04 bis 28.04 beim sogenannten „Makeathon“ der Studierendeninitiative TUM.ai eine Coding-Herausforderung an die Teilnehmenden. Unter dem Motto „AI in Medicine“ bestand das Ziel darin, der Integration von Künstlicher Intelligenz (KI) in der Medizin einen Schritt näher zu kommen. Das Team um Daniel Weiss konnte mithilfe der Studierenden einen Proof-of-Concept entwickeln: Es wurde bewiesen, dass externe Parteien Algorithmen auf nicht-personalisierten Daten entwickeln können, die dann über geschützte Wege auf Patientendaten im Klinikum angewendet werden können. Patientendaten werden in der Kinderklinik gespeichert, tragen jedoch trotzdem zur Entwicklung einer künstlichen Intelligenz und somit zum medizinischen Fortschritt bei.
Vier Teams konnten die gestellten Aufgaben erfolgreich lösen. Als Wissensbasis zur Datenverarbeitung wurde der von Prof. Matthias Mann entwickelte Clinical Knowledge Graph verwendet (A knowledge graph to interpret clinical proteomics data | Nature Biotechnology). Anhand eines synthetischen Datensatzes sollten die Studierenden im ersten Schritt bestimmen, ob Patienten gesund oder erkrankt sind. Anschließend erfolgte eine Klassifizierung der Erkrankung, indem der erste Buchstabe des ICD-10-Codes ermittelt wurde. Die entwickelten Codes wurden von den teilnehmenden Teams auf die von Prof. Jan Baumbach entwickelte, und durch EU Horizon 2020 gefördere Plattform featurecloud.ai (FeatureCloud – Revolutionising Cloud Communication - FeatureCloud, Privacy preserving federated machine learning and blockchaining for reduced cyber risks in a world of distributed healthcare | FeatureCloud | Project | Fact sheet | H2020 | CORDIS | European Commission (europa.eu)) hochgeladen. Im Anschluss können diese Algorithmen gesichert auf dem Klinikserver verwendet werden. Die Algorithmen trainieren hier anhand realer Patientendaten, und die Resultate wurden anhand verschiedener Metriken (F1-Score, Accuracy) bewertet. Diese Bewertung wird über FeatureCloud wieder an die Entwickler zurückgesendet. Durch stetiges Feedback können Codes verbessert und spezifiziert werden. Der erste Platz im Makeathon ging an das Team „ML4Hope“, welches die höchste Gesamtwertung der Metriken erzielte. Herzlichen Glückwunsch!
Perspektivisch wird anhand dieses Proof-of-Concept die Entwicklung eines Ökosystems der personalisierten Medizin möglich: Während Patientendaten datenschutzkonform und dezentral gespeichert werden, können Externe Algorithmen entwickeln. Europaweit können Daten generiert und verarbeitet werden, welche die Datenbasis stetig erweitern. Die Algorithmen ermöglichen es, auf medizinisch-individueller Ebene zu kategorisieren, Diagnosen zu stellen, Behandlungsoptionen zu vergleichen und Entscheidungen zu treffen. Außerdem bieten sich für die Pharmaindustrie Möglichkeiten zum Drug-Repurposing sowie zur spezifischeren Medikamentenentwicklung. Krankenkassen können Präventionsbehandlungen personalisieren und Kosten besser kalkulieren.
Für uns als kindermedizinisches Forschungszentrum steht jedoch der Fortschritt der Medizin im Fokus. Anhand der Datenanalyse können neben der schnelleren Diagnose und Therapieoptionen von seltenen Erkrankungen auch Risikofaktoren für Erkrankungen im Erwachsenenalter identifiziert werden.
Besonders bedanken möchten wir uns hier noch bei unseren Partnern in diesem Projekt. Mittels der Kooperation mit den folgenden Parteien war es uns möglich, das Konzept zu entwickeln und den Makeathon durchzuführen:
Paul Springer und Denis Dalić von MI4People (MI4People | Machine Intelligence for Public Good | NPO)
Timm Amstein, Marius Vöhringer, Timm Hamm, Shahryar Khorasani und Jörn Kogerup von Capgemini (Transforming Health And Social Care Industry | Capgemini)
Alexander Jarasch von Neo4j (Neo4j Graph Database & Analytics | Graph Database Management System)
Julian Matschinske und Marius Klages von Dehaze (dehaze - Enabling Precision Medicine)
sowie der Care-for-Rare Foundation (Care-for-Rare Foundation for children with rare diseases – Help us to help the orphans of medicine!)
Haben wir Interesse geweckt? Weitere Informationen zum Thema unter: careforrare.github.io/PersonalizedMedicine/
Oder direkte Rückfragen zu diesem Thema an:
Daniel.Weiss@med.uni-muenchen.de
Nicola.Goetzenberger@med.uni-muenchen.de
