Für die erfolgreiche Behandlung vieler Erkrankungen sind regelmäßige Kontrolluntersuchungen unerlässlich, um ihr Fortschreiten zu bewerten sowie die Therapie anzupassen. Das gilt etwa für Erkrankungen des Herzens wie die chronische koronare Herzkrankheit (KHK), den akuten Herzinfarkt oder die Herzinsuffizienz. Diese Krankheiten zählen zu den häufigsten Todesursachen in Industriestaaten. KI-Verfahren können helfen, Patientinnen und Patienten mit erhöhtem Krankheitsrisiko zu identifizieren.

Kontrolluntersuchungen erfolgen in der Regel punktuell in mehr oder weniger großen Abständen und stellen somit nur eine Momentaufnahme dar. Gerade bei chronischen Krankheiten, die sich zunehmend verschlechtern, ist jedoch davon auszugehen, dass eine häufigere oder sogar kontinuierliche Beobachtung für die Patientinnen und Patienten von Vorteil wäre. Unterstützung versprechen hier so genannte Smart Wearables – kleine, mobile Geräte, die am Körper getragen werden, und Gesundheitsdaten kontinuierlich aufzeichnen können.  

Diese Daten versprechen eine hilfreiche Ergänzung zu weiteren Gesundheitsdaten, die beispielsweise in Arztpraxen oder in Kliniken erhoben werden. In der Praxis ergeben sich dabei allerdings einige Herausforderungen: Die gesammelten Daten von Patientinnen und Patienten liegen in verschiedenen Datentöpfen und können aktuell nicht einfach zusammengeführt werden. Gründe dafür sind Aspekte der Datensicherheit und Datensouveränität (insbesondere bei personenbezogenen Daten), die Nutzung verschiedener, nicht kompatibler Datenformate sowie Anforderungen an eine sichere Übertragung von Daten zwischen unterschiedlichen Systemen.

Aggregierte Gesundheitsdaten als Basis für medizinische KI-Anwendungen

Eine Zusammenführung von Daten aus verschiedenen Quellen verspricht jedoch großes Potenzial für die Medizin: Stehen große Datenmengen zur Verfügung, ermöglicht dies eine Auswertung durch angepasste Analyseverfahren wie etwa forschungsbasierter KI-Verfahren. Anhand dieser KI-Verfahren können Patientinnen und Patienten mit erhöhtem Krankheitsrisiko identifiziert werden. Für einzelne Patientinnen und Patienten lässt sich ein individuelles Risikoprofil ermitteln, auf dessen Grundlage eine angepasste, personalisierte Behandlung und Therapie erfolgen kann. Um eine valide Risikovorhersage machen zu können, müssen die KI-Verfahren „trainiert“ werden; hierfür ist eine ausreichend große Datenbasis unerlässlich.

In der vom BMBF geförderten Studie „Smart Health Connect“ haben Wissenschaftlerinnen und Wissenschaftler des Berlin Institute of Health in der Charité (BIH) eine Machbarkeitsstudie zur Integration von Smart Wearable-Daten in einen größeren Datenpool durchgeführt. Eines der Kernelemente der entwickelten Anwendungen ist eine Smartphone-App, über welche Nutzerinnen und Nutzer die von ihrer Smartwatch gemessenen Gesundheitsdaten (z.B. EKG, Herzfrequenz) an ein Datenportal übertragen können. Dieses Datenportal ist beispielsweise an eine Krankenhausinfrastruktur angebunden und verschafft behandelnden Ärztinnen und Ärzten Zugriff auf die Daten. Weiterhin existiert eine Schnittstelle für eine Analyse der (anonymisierten) Daten durch KI-Anwendungen, welche zum Beispiel anhand der EKG-Daten eine Risikoanalyse für Herzkrankheiten liefern.

Harmonisierung von Datenquellen über das Gaia-X-Framework

Die Sicherheit der Daten wird über die Nutzung aktueller Sicherheitsstandards gewährleistet, die gesamte Regulatorik und Harmonisierung der Daten erfolgt unter Nutzung des Gaia-X Frameworks. Gaia-X arbeitet an der Schaffung einer einheitlichen Dateninfrastruktur innerhalb Europas, ein offenes, transparentes, interoperables und vertrauensvolles Ökosystem, welches den sicheren und souveränen Austausch von Daten und Services ermöglicht. Dadurch ist das System offen für Erweiterungen, um Daten aus weiteren Quellen wie der ambulanten und klinischen Versorgung, aber auch aus dem Forschungskontext aufzunehmen und zu verarbeiten.

Die Machbarkeitsstudie zeigt: Eine Einbindung von Daten, die über Smart Wearables erhoben wurden, ist möglich. Kardiologische Daten lassen sich darüber einfach und kontinuierlich erfassen. Denkbar ist jedoch auch eine deutlich breitere Anwendung. In Verbindung mit Smartphones lassen sich populationsbasierte Studien durchführen und die Daten vieler hunderttausend Teilnehmerinnen und Teilnehmer erheben. Dies kann mit stark reduziertem oder ganz ohne persönlichen Kontakt mit den Studienteilnehmerinnen und -teilnehmern erfolgen, was die Barrieren für eine Teilnahme senken dürfte und zu diverseren Datensätzen als bei klassischen medizinischen Studien führen dürfte.