„Na, wie gehts uns denn heute?” Wenn Sie mal wieder mit Grippe beim Hausarzt sitzen, besteht dessen Arbeit vor allem darin, Ihnen Fragen zu stellen. Was machen der Kopf, die Nase und die Bronchien? Seit wann dies, wie verläuft jenes? Dann hört er Sie ab, klopft hier und da ... Kurzum, er sammelt möglichst viele Daten über Symptome und Krankheitsverlauf, um die beste Therapie und Medikation für Sie herauszufinden. Er notiert alles in Ihrer Patientenakte und kann bei der Nachuntersuchung oder bei der nächsten Grippewelle darauf zurückgreifen. Und ein Arzt, der beim einen Patienten bereits gute Erfahrungen mit einer Therapie gemacht hat, wird diese Therapie sicher auch bei einem ähnlich gearteten anderen Patienten ausprobieren.
Nichts anderes ist Big Data in der Medizin, nur größer. Viel größer. Big eben. Klinische Studien zu Therapien bei Krebs oder genetisch übertragbaren Krankheiten gehen schon mal über Jahre, mit Tausenden von Probanden. Wenn dort bei jedem Probanden regelmäßig Untersuchungen durchgeführt werden, kann man sich einfach vorstellen, dass innerhalb kürzester Zeit riesige Mengen an strukturierten und unstrukturierten Daten zusammenkommen. Analyseergebnisse aus Blut- und Gewebeproben sind nur ein Beispiel. Zusätzlich müssen neben diesen Daten noch jede Menge Zusatzinformationen erfasst werden, die den Krankheitsverlauf beeinflussen können: der Lebensstil des Probanden, die Ernährung, weitere Erkrankungen, Erkrankungen von Verwandten, weitere Medikamente, die eingenommen werden, usw.
Diese Daten zu sammeln, ist das eine. Alle Daten in eine riesige Datenbank abzulegen, ist sicher aufwendig, aber nicht wirklich schwierig. Diese Daten sinnvoll zu filtern, zu analysieren und nützliche Erkenntnisse daraus zu gewinnen, ist etwas ganz anderes. Und nun stellen Sie sich noch vor, dass es mehrere solcher Studien zum gleichen Themengebiet gibt, vielleicht mit unterschiedlichen Schwerpunkten. Diese Daten alle miteinander zu verknüpfen und sie zu strukturieren, würde es möglich machen, recht genau herauszufinden, bei welchem Patiententypus unter welchen Voraussetzungen welche Therapie und Medikation am Erfolg versprechendsten wäre.
SAP hat auf Basis der HANA-Plattform eine Lösung für genau diesen Einsatzbereich entwickelt, die SAP Foundation for Health. Zusammen mit dem Heidelberger Nationalen Centrum für Tumorerkrankungen hat SAP ein Werkzeug geschaffen, mit dem Pharmaunternehmen oder Ärzte auf Patientendaten zugreifen und Patientenprofile miteinander vergleichen können. Die Plattform ist bereits im Einsatz. Idealerweise kann ein Arzt, der einem „schwierigen” Patienten gegenübersitzt, Symptome und andere Daten des Patienten ins System eingeben und in Echtzeit gefilterte Profile ähnlich gelagerter Fälle angezeigt bekommen. Die HANA-Architektur, die selbst riesige Datenberge in Millisekunden durchforsten kann, macht es möglich. Mit diesen Infos kann der Arzt eine passende Therapieempfehlung geben, die höchstwahrscheinlich deutlich wirksamer ist, als sie es auf gut Glück hin wäre. Jeder Patient, der wiederum seine Daten (natürlich anonymisiert) ins System einspeisen lässt, erhöht den zukünftigen Nutzen für sich und seine Leidensgenossen.
Big Data ist für uns Deutsche ja ein Reizwort: „Die wollen alles über mich wissen und ich habe keine Ahnung, was mit diesem Wissen passiert.” Im Falle von Big Data in der Medizin, auch mal Big Pharma genannt, ergibt sich jedoch ein Anwendungsfall, dessen Sinn sich auch dem größten Fortschrittsmuffel erschließt, spätestens wenn er selbst von einer schlimmen Krankheit betroffen ist. Wenn der Patient schneller und mit weniger Nebenwirkungen wieder gesund wird, wenn der Arzt treffsicher behandeln und wenn die Pharmaindustrie schneller günstigere, wirksamere Medikamente entwickeln kann, darf man wirklich von einer Win-Win-Win-Situation sprechen.
Weitere interessante Infos über die SAP Foundation for Health und SAP Medical Research Insights finden Sie im News-Bereich der SAP-Webseite.