ETH-Forscher will Diabetes bei Kindern vorhersagen

Statistiken enthalten mehr Informationen als man denkt. Mittels künstlicher Intelligenz sucht Alexander Marx nun versteckte Zusammenhänge von Ursache und Wirkung. Ein Ziel sind Vorhersagen bei Diabetes von Kindern.

, 14. April 2022 um 07:28
image
  • forschung
  • eth
  • diabetes
  • kinder- und jugendmedizin
Eine Unterzuckerung kommt bei einem Diabetiker meist nicht zufällig. Genauso wenig wie ein Börsenkurs ohne Grund abstürzt. Zumindest theoretisch ist deshalb auch beides vorhersehbar. «In der Praxis gelingen derartige Prognosen bisher allerdings nur in den seltensten Fällen», schreibt die ETH-Zürich.  Sollte Alexander Marx mit seinem Projekt Erfolg haben, werde sich das für Kinder mit Typ 1 Diabetes in Zukunft aber ändern: 
«Wir arbeiten an Vorhersagemodellen, die frühzeitig erkennen sollen, ob in der Nacht eine Unterzuckerung droht», wird der Fellow am ETH AI Center zitiert. «Wenn sich Kinder am Tag stark körperlich betätigen, kann ihr Blutzuckerspiegel im Schlaf unter eine kritische Schwelle fallen. Mit einem verlässlichen Prognosemodell liesse sich dieses Risiko vermeiden.»

Theorie und Praxis zusammenführen

Marx befasst sich mit dieser Fragestellung in der Forschungsgruppe für medizinische Datenwissenschaften von Julia Vogt. «Ich komme mehr aus der theoretischen Ecke und habe bisher vor allem mit künstlich erzeugten Daten gearbeitet. Das AI Center hat den Anspruch, Theorie und Praxis zusammenzuführen. Das finde ich spannend. Ich muss jetzt die theoretischen Konzepte auch mit realen Daten zum Funktionieren bringen.»
Sein wissenschaftliches Rüstzeug hat sich Marx an der Universität des Saarlandes im deutschen Saarbrücken erarbeitet. Nach einem Masterabschluss in Bioinformatik befasste er sich am dort ansässigen Max Planck Institut für Informatik im Rahmen seiner Doktorarbeit mit Causal Discovery. Mit diesen statistischen Methoden lassen sich aus Beobachtungsdaten sogenannte kausale Graphen erstellen, die Ursache-​Wirkungs-Netzwerke sichtbar machen.

So geht's

Dabei werden beispielsweise aus Umfragedaten alle Faktoren eruiert, bei denen ein Wirkungszusammenhang mit einer bestimmten Grösse vermutet wird. Ein allgemeines Beispiel laut ETH ist die Abhängigkeit des Einkommens einer Person von Alter, Wohnort, Geschlecht, Bildung, Zivilstand oder Kinderzahl. 
Auf Basis der gefundenen Zusammenhänge können dann Vorhersagen für Personen, die nicht befragt wurden, gemacht werden. «Dafür müssen nicht einmal die gesamten Abhängigkeitsketten bekannt sein», präzisiert Marx. Es reiche, die kleinste Menge an Faktoren zu eruieren, die für eine Prognose ausreicht.

Von synthetischen Daten in die klinische Realität

Marx hat mit diesen Methoden und mit Unterstützung von künstlicher Intelligenz unter anderem anhand von simulierten Daten untersucht, wie die Aktivitäten von etwa 500 selektierten Genen in einer menschlichen Zelle zusammenhängen. 
Im Idealfall könne man diese Verfahren in Zukunft so skalieren, sodass sie alle rund 25'000 Gene einer Zelle miteinbeziehen können, sagt er. Derartige Computer-​Analysen von Gennetzwerken würden der biologischen und der medizinischen Forschung einfach und schnell ein umfassendes Verständnis der Vorgänge in einer Zelle eröffnen. 
Um das Gleiche mit Laborexperimenten zu erreichen, wäre ein enormer Aufwand nötig. Es müsste nämlich jedes Gen einzeln mit gentechnologischen Werkzeugen abgeschaltet und dann die Auswirkungen auf die Aktivität aller anderen Gene gemessen werden.
«Wir stossen mit unserem Projekt in Bereiche vor, die wir mit den zur Verfügung stehenden Methoden bisher noch nicht beherrschen.»
Für die Projekte, die Marx am AI Center in Angriff nimmt, muss er die Causal-​Discovery-Methoden auf ein neues Komplexitätsniveau heben. Anstelle von vollständigen Beobachtungsdatensätzen oder synthetischen Daten, wie bei der Genexpression, arbeitet er jetzt mit echten Daten aus der klinischen Praxis.
Das mache die Aufgabenstellung markant schwieriger: «In der Realität fehlen häufig einzelne Informationen, Messwerte oder ganze Datensätze und die Erhebung unterscheidet sich auch immer von Spital zu Spital und manchmal sogar von Arzt zu Arzt», stellt Marx fest. 

Zusammenarbeit mit UKBB

Die klinischen Daten, die Marx für sein Vorhersagemodell in Zusammenarbeit mit Ärztinnen und Ärzten des Universitäts-​Kinderspital beider Basel (UKBB) auswertet, enthalten unter anderem Zeitreihen der Pulsfrequenz und des Blutzuckerspiegels sowie Informationen zu physischen Aktivitäten, zur Kalorienaufnahme, zu Insulininjektionen und zur Schlafqualität. 
In einem ersten Schritt werden Daten gefiltert und allfällige Korrelationen, die nicht mit der Fragestellung zusammenhängen, aus dem Modell ausgeschlossen.
Um künftig robuste und für einen behandelnden Arzt auch nachvollziehbare Prognosen abgeben zu können, muss die Anzahl der Faktoren nämlich möglichst tiefgehalten werden. 
So oder so lasse sich heute noch nicht vorhersagen, ob das Modell in der Praxis erfolgreich sein werde: «Wir stossen mit unserem Projekt in Bereiche vor, die wir mit den zur Verfügung stehenden Methoden bisher noch nicht beherrschen.»
Artikel teilen

Loading

Comment

Mehr zum Thema

image

Unfaire Behandlung? Beim Herzstillstand spielt das Geschlecht eine Rolle

Eine grosse Schweizer Studie zeigt bedenkliche Unterschiede: Frauen kommen nach einem Herzstillstand seltener auf die Intensivstation, werden laxer behandelt und sterben eher als Männer.

image

Diese Studien könnten demnächst die Medizin verändern

Experten kürten für das Fachmagazin «Nature Medicine» jene klinischen Studien, die demnächst die Landschaft neu prägen könnten – darunter ein Projekt von Novartis.

image

Musik ist ein chirurgisches Hilfsmittel

Wer nach einer Operation Musik zu hören bekommt, benötigt weniger Schmerzmittel, hat weniger Ängste – und auch sonst bessere Werte. Am US-Chirurgenkongress wurden dazu vielversprechende Ergebnisse präsentiert.

image

BFS-Studie: Milliarden für Forschung und Entwicklung

2023 investierten Schweizer Privatunternehmen knapp 18 Milliarden Franken in Forschung und Entwicklung. Gesundheit bleibt der wichtigste Fokus.

image

Seltene Krankheiten: Mehr Zulassungen, aber wenig Zusatznutzen bei Orphan Drugs

Über die Hälfte der neuen Medikamente bieten keinen echten Fortschritt. Und kaum je schaffen sie neue Lösungen für seltene Erkrankungen ohne Behandlungsmöglichkeiten.

image

Forschung und Praxis: Synergien für die Zukunft

Dr. Patrascu erklärt im Interview die Verbindung von Forschung und Praxis an der UFL. Er beschreibt die Vorteile des berufsbegleitenden Doktoratsprogramms in Medizinischen Wissenschaften und zeigt, wie die UFL durch praxisnahe Forschung und individuelle Betreuung Karrierechancen fördert.

Vom gleichen Autor

image

Kinderspital verschärft seinen Ton in Sachen Rad-WM

Das Kinderspital ist grundsätzlich verhandlungsbereit. Gibt es keine Änderungen will der Stiftungsratspräsident den Rekurs weiterziehen. Damit droht der Rad-WM das Aus.

image

Das WEF rechnet mit Umwälzungen in einem Viertel aller Jobs

Innerhalb von fünf Jahren sollen 69 Millionen neue Jobs in den Bereichen Gesundheit, Medien oder Bildung entstehen – aber 83 Millionen sollen verschwinden.

image

Das Kantonsspital Obwalden soll eine Tochter der Luks Gruppe werden

Das Kantonsspital Obwalden und die Luks Gruppe streben einen Spitalverbund an. Mit einer Absichtserklärung wurden die Rahmenbedingungen für eine künftige Verbundlösung geschaffen.