News

Bild: Pressmaster/Shutterstock.com

25.11.2020

Software-Assistent für Onkologen

Onkologen, die Krebspatienten eine maßgeschneiderte Behandlung anbieten wollen, müssen große Mengen an Informationen analysieren – was viel Zeit und Fachwissen erfordert. Am DKFZ beteiligt sich Paula Breitling an der Entwicklung einer Software, die Ärzten helfen soll, geeignete Therapien zu empfehlen. So könnten mehr Menschen von einer passgenauen Behandlung profitieren.

Foto: Privat
HIDSS4Health-Doktorandin Paula Breitling arbeitet daran, alle relevanten Informationen über Therapiemöglichkeiten für Onkologen leichter zugänglich und bewertbar zu machen. Foto: Privat

 „Kein Sezieren, kein Blut!“ – Das war eine Bedingung, als Paula Breitling ihr Studienfach wählte. Daten und Informationen sind die abstrakten Gegenstände, für die sie sich eher begeistern konnte – trotz ihres ausgeprägten Interesses an Life-Science-Themen. Dass man auch mit Datenexpertise Leben retten kann, ganz ohne Tupfer und Skalpell, beweist die Informationswirtin nun in ihrer Doktorarbeit: Mit ihrer Forschung will sie Ärztinnen und Ärzte bei der schwierigen Aufgabe unterstützen, geeignete Therapieempfehlungen für die Behandlung von Krebspatienten zu geben und so mehr Menschen den Zugang zu einer personalisierten Tumortherapie ermöglichen.

Sie ist Doktorandin der Helmholtz Information & Data Science School for Health (HIDSS4Health), die Teil der Helmholtz Information and Data Science Academy (HIDA) ist – Deutschlands größtem postgradualen Ausbildungsnetzwerk in den Informations- und Datenwissenschaften. Hier profitiert sie von der einmaligen Verzahnung aus Data Science und medizinischer Forschung, die ein solches Projekt braucht. Abstrakte Daten treffen dabei auf ein sehr konkretes Anwendungsfeld – die Onkologie: „Krebs ist ein Thema, das viele Menschen betrifft – und sei es über Erkrankungen im Verwandten- und Freundeskreis“, sagt Breitling. Das Thema rückte auch ihr schon im Studium sehr nah, denn während der gemeinsamen Prüfungsvorbereitungen wurde bei einer Kommilitonin Krebs diagnostiziert. „Wenn ich für die Betroffenen mit meinem Data-Science-Hintergrund etwas Hilfreiches machen kann, dann finde ich das sehr befriedigend.“

Paula Breitlings Fachwissen, mithilfe von Data-Science-Methoden große Informationsmengen zu strukturieren, hilft an dem Punkt weiter, wo Standardbehandlungen in der Krebstherapie nicht mehr anschlagen und die behandelnden Ärztinnen und Ärzte nach zusätzlichen Therapiewegen suchen müssen. Dafür müssen sie komplexe Informationen über den jeweiligen Patienten bewerten, denn die biologischen Eigenschaften einer Tumorerkrankung sind nicht nur bei jedem Krebs verschieden, sondern auch von Patient zu Patient.

Für eine Therapieempfehlung müssen viele Informationen analysiert werden

Um weitere mögliche Therapiewege zu finden, wird zunächst die Patienten-DNA sequenziert: Am Genom lässt sich sehen, ob spezifische Mutationen vorhanden sind, die mit Krebs in Verbindung stehen. Dies kann Hinweise auf den Einsatz bestimmter Medikamenten-Kombinationen geben. Basierend auf diesen Daten und anderen für den Patienten relevanten Informationen erstellen Onkologinnen und Onkologen Therapieempfehlungen. Dabei spiele Erfahrung eine entscheidende Rolle, sagt Breitling: „Manche Onkologen wissen schon beim Vorliegen bestimmter Merkmale, in welche Richtung weitergesucht werden muss; Ärzte, die hingegen noch relativ neu in diesem Feld sind, haben einen wesentlich höheren Recherche- und Prüfaufwand und müssen vieles verwerfen“. Eine erfahrene Ärztin benötigt für diese Arbeit immerhin noch circa zwei Arbeitsstunden, ein junger Kollege ist, laut Breitling, weit über einen Tag beschäftigt, um für nur einen Patienten eine fundierte Empfehlung zu formulieren. Diesen Prozess für alle Ärztinnen und Ärzte einfacher zu gestalten ist das Ziel, an dem Paula Breitling mitwirkt. Ihre Aufgabe ist es, den Workflow, den eine Ärztin oder ein Arzt bei der Entscheidungsfindung durchläuft, zu erfassen, um ihn anschließend rechnergestützt mit Hilfe von datenwissenschaftlichen Methoden zu modellieren und in einer Software abzubilden.

Am Deutschen Krebsforschungszentrum (DKFZ) in Heidelberg entsteht diese Software, die in der Lage sein soll, all diese verschiedenen Wissenseinheiten zu verbinden: der Knowledge Connector. Hier, im Team von Frank Ückert, ist auch Paula Breitling mit ihrem Forschungsprojekt zur einen Hälfte angesiedelt, während ihr zweites wissenschaftliches Standbein, Data Science, die Forschungsgruppe um Michael Beigl am Karlsruher Institut für Technologie (KIT) ist.

Bild: DKFZ
Am Deutschen Krebsforschungszentrum der Helmholtz Gemeinschaft in Heidelberg wird der Knowledge Connector entwickelt. Bild: DKFZ

  

Mit einer Software die relevanten Informationen "zusammenklicken"

Der Knowledge Connector verknüpft unterschiedliche externe Datenbanken miteinander und stellt die gesammelten Informationen im Hinblick auf die individuellen Charakteristika eines Patienten und seines Tumors für den Arzt übersichtlich dar. Informationen zu Genvarianten, Genom-Mutationen, Medikamenten, zu diversen klinischen Studien und Publikationen fließen in diesen Bewertungsprozess ein – eine vielschichtige Aufgabe, den Ärztinnen und Ärzte bislang selbständig leisten muss. Aus all diesen Informationen können ie Medizinerinnen und Mediziner dann einfacher ein Ranking an erfolgversprechenden Behandlungsvarianten erstellen. Dabei kann das Tool etwa auch anzeigen, wo aktuell passende Medikamentenstudien laufen, in denen Patienten untergebracht werden können. Die Software formuliert selbst keine Therapieempfehlungen – aber „idealerweise bekommt der Onkologe mit der Anwendung dieser Software sämtliche Informationen, die er für seine Entscheidung braucht, und muss nicht mehr selbständig alles recherchieren“, erklärt Breitling. Der Vorteil eines solchen Werkzeuges: Es fasst klinische und wissenschaftliche Daten zusammen, die üblicherweise in unterschiedlichen EDV-Systemen dokumentiert und in der Regel nicht dafür geeignet sind, ausgetauscht oder im Verbund mit anderen Daten analysiert zu werden. Mit dem neuen Tool soll der Arzt sich die Therapieempfehlungen anhand der als auffällig bewerteten Parameter „zusammenklicken“ und gleich in die entsprechende Textform bringen können. Damit entfällt viel Kopier- und Schreibarbeit, die zeitliche Ressourcen verbraucht. Die Erleichterung liegt auf der Hand: mehr Überblick, nicht so viele verschiedene Dateiformate und schnellere Erarbeitung der Therapieempfehlung. Die Software kann letztlich über die Vereinfachung der Arbeitsschritte dazu beitragen, dass mehr Menschen als bisher von einer personalisierten und damit effektiveren Behandlung profitieren.

Bild: DKFZ
Wie gelangen die richtigen Informationen zum behandelnden Arzt, damit dieser eine passgenaue Krebstherapie vorschlagen kann? Mithilfe des Knowledge Connectors können wichtige Daten gebündelt und ausgewertet werden. Bild: DKFZ

   

"Den ganzen Wissensprozess des Arztes nachvollziehen"

Ein Prototyp des Knowledge Connectors ist bereits in der ersten Testphase. Aber das System kann lange noch nicht alles, was die Ärztinnen und Ärzte bräuchten. Daher schaut sich Paula Breitling an, was diese mit dem Programm genau machen: „Wir müssen den ganzen Wissensprozess des Arztes nachvollziehen“, so Breitling. „Um daraus einen Algorithmus zu machen, muss ich zum Beispiel wissen: Wie oft wurde geklickt, wie oft die Seite gewechselt, wann wurde Text wo eingegeben, welche Suchschritte erfolgten zu welchem Zeitpunkt?“ Das passiert natürlich nicht, indem man einer Ärztin dabei über die Schulter schaut; diese Vorgänge werden maschinell erfasst. Eine einfache Software, die parallel zum Programm abläuft, speichert Daten über Tastatureingaben, Mausklicks, angesteuerte Internetseiten, sie erfasst die Dauer eines Seitenaufrufs oder eingetippten Text und viele weitere Parameter. Eine Unmenge an Daten fällt dabei an. Welche Methoden sie nutzen wird, um die Vorgänge später modellieren zu können, steht für Breitling noch nicht abschließend fest –  gewisse Software-Schwächen erkennt die junge Forscherin aber schon beim flüchtigen Blick auf die riesigen Datenreihen ihrer ersten Testsequenz. Die leitenden Fragen für die weiterführende Analyse: Wie recherchieren Ärzte momentan? Wie benutzen sie die Software? Welche Eigenschaften braucht der Knowledge Connector noch und wie muss die Nutzeroberfläche gestaltet sein? Zu einem späteren Zeitpunkt werden insgesamt neun Onkologen die Software testen. Das hofft Breitling zumindest sehr, damit sie bald über eine größere Datengrundlage verfügt.

Eine so umfangreiche Studie zu designen und einen vielschichtigen Forschungsprozess zu organisieren – für die eloquente Promovendin ist das nichts, wovor sie zurückschreckt. Schon das anspruchsvolle Auswahlverfahren, das die HIDSS4Health ihren Bewerberinnen und Bewerbern in Aussicht gestellt hatte, verstand Paula Breitling nicht als Warnung, sondern als Ansporn: „Ich habe mir einfach gedacht: Ich probiere es einfach mal aus!“ Von fast 220 Bewerbungen machten am Ende elf Kandidaten in der ersten HIDDS4Health-Kohorte das Rennen – Paula Breitling war eine von ihnen. Jetzt freut sie sich, dass sie von einem inspirierenden Netzwerk profitieren kann und trägt ihr Engagement weiter: Als Sprecherin der Promovierenden vertritt sie im Steering Commitee die Belange der Doktorandinnen und Doktoranden – und gestaltet so ein wenig auch die weitere Entwicklung der HIDSS4Health mit.

Was ihre eigene Forschung angeht, so blickt sie mit viel Spannung voraus auf den Moment, wenn endlich alle nötigen Daten vorliegen. Breitling kommt ins Schwärmen: „Wenn man die Daten erst einmal hat, kann man wunderbare Sachen damit machen!“ Zum Beispiel sie so verarbeiten, dass es am Ende mehr Menschen als bisher möglich ist, eine auf sie zugeschnittene Krebstherapie zu erhalten. Medizinische Hilfe dank Data Science: ohne Skalpell, aber mit viel Herzblut.

  

Autorin: Constanze Fröhlich

download