Anzeige

Big Data und KI gegen Pandemien

Große Datenmengen könnten in Zukunft dazu beitragen, Ausbrüche gefährlicher Infektionskrankheiten und ihre Ausbreitung besser vorherzusagen. Bislang kommt es aber vor allem noch auf das menschliche Gespür an.

Von Hendrik Bensch

Es war der letzte Tag des vergangenen Jahres, als das System des Start-ups BlueDot Alarm schlug. Das kanadische Unternehmen hat ein Tool entwickelt, das mithilfe künstlicher Intelligenz (KI) eine Vielzahl an Datenquellen auswertet. Das System liefert Unternehmen und ihren Mitarbeitern Informationen über Regionen, in denen ihnen Infektionskrankheiten gefährlich werden könnten. An Silvester erfuhren sie von der Gefahr im chinesischen Wuhan, die sich später als das neuartige Coronavirus herausstellen sollte. Bereits am Tag zuvor hatte das KI-gestützte System HealthMap des Bostoner Kinderkrankenhauses eine kurze Notiz zu unklaren Fällen von Lungenentzündungen herausgegeben.

Können KI, Big Data und Co. also dazu beitragen, Ausbrüche von Infektionskrankheiten besser vorherzusagen und zu warnen? Lässt sich mit ihrer Hilfe genauer klären, wie sich Krankheiten ausbreiten und wie sich diese besser eindämmen lassen?

Wer sich auf die Suche nach einer Antwort begibt, stellt fest: Der Faktor Mensch ist derzeit noch wichtiger als die Technik. So unterschätzte das HealthMap-System anfangs noch die Sprengkraft der Vorfälle, wie die Nachrichtenagentur AP recherchiert hat. Zudem ging nur eine halbe Stunde nach der knappen Meldung aus Boston ein ausführlicher Bericht von ProMed heraus – einem weltweiten Zusammenschluss von Ärzten, Epidemiologen, Public-Health-Mitarbeitern und anderen Experten.

Gemeinsam haben sie stets ein Auge auf mögliche Ausbrüche von Infektionskrankheiten und tauschen sich aus. Die amerikanische Epidemiologin Dr. Marjorie Pollack hatte am 30. Dezember einen Hinweis von einem Kollegen aus China bekommen, der die Mikroblogging-Plattform Weibo im Blick hat. Dort gab es einzelne Berichte über Krankheitsfälle aus Wuhan. Auch ein Dokument einer lokalen Gesundheitsbehörde zu Lungenentzündungen war dort zu finden, berichtete die Epidemiologin kürzlich in einem Interview. Sie schickte dann einen Bericht an die ProMed-Community. Pollacks Erfahrung aus der Zeit der SARS-Pandemie 2002/2003 gab ihr eine Vorahnung, welche Gefahr im Anmarsch sein könnte. Die Hinweise per Social Media waren also wichtig, doch die Einordnung eines Menschen war letztlich entscheidend. Bauchgefühl und menschliche Erfahrung zählen also weiterhin.


ANZEIGE


Dass es auf das menschliche Gespür ankommt, hängt insbesondere mit dem Thema Daten zusammen. Datenquellen für Ausbruchsvorhersagen können neben der Zahl der gemeldeten Krankheitsfälle beispielsweise auch die Aktionen von Internetnutzern sein: etwa Seitenaufrufe bei Wikipedia oder Tweets. Auch Testergebnisse zu bestimmten Krankheiten können Hinweise liefern. Anders als beispielsweise bei der Wettervorhersage lässt sich das Krankheitsgeschehen aber nicht exakt messen. In einem aktuellen Beitrag im Fachmagazin „Nature Communications“ bringen mehrere Experten zentrale Datenprobleme auf den Punkt: Unter anderem dauert es noch zu lange, bis Informationen zum Krankheitsgeschehen zusammengetragen sind – gerade in Ländern mit schwächeren Gesundheitssystemen. Ein weiteres Problem: Der Austausch der Daten untereinander ist schwierig, weil Standardformate noch Fehlanzeige sind.

Nichtsdestotrotz gibt es erste Fortschritte bei der Vorhersage von Ausbrüchen von Infektionskrankheiten. „Es gibt klare Hinweise dafür, dass sich mithilfe von Suchanfragen die Vorhersage für saisonal auftretende Infektionskrankheiten, wie Influenza, verbessern lässt“, so Nicholas Reich, einer der führenden US-Forscher in diesem Bereich gegenüber Transformation Leader. „Diese Daten sind jedoch in neu auftretenden Pandemien, wie der aktuellen Covid-19-Pandemie, möglicherweise nicht sinnvoll.“

Der Experte für Biostatistik und Epidemiologie ist einer der Forscher, die an FluSight arbeiten. Bei dem Projekt kooperieren Forscher mit Experten der amerikanischen Behörde für Seuchenkontrolle, den Centers for Disease Control and Prevention. Sie wollen künftig besser vorhersagen, wie eine Influenza-Saison verläuft, beispielsweise wie stark sie ausfallen und wann der Höhepunkt erreicht sein wird. „Die Modelle liefern mittlerweile bessere Ergebnisse als die Vorhersagen, die man anhand von langjährigen Durchschnitts werten machen kann“, sagt Nicholas Reich.

Er hält den Nutzen von Informationen aus Internetsuchanfragen und SocialMedia-Beiträgen jedoch für begrenzt. „Sie können uns zwar helfen, besser zu verstehen, wie das Krankheitsgeschehen in den vergangenen ein, zwei Wochen war“, so Reich. Ob es einen Mehrwert jenseits dieser kurzen Zeitspanne gibt, sei jedoch weniger sicher. Zudem seien diese Informationen wenig hilfreich, sobald es zu einer Pandemie komme. In Zeiten wie diesen kann es in der digitalen Welt ein großes Hintergrundrauschen geben. „Es ist dann schwierig zu unterscheiden: Sind es Suchanfragen von Leuten, die einfach generell am Thema interessiert sind, oder von solchen, die wirklich betroffen sind“, erklärt der US-Wissenschaftler. Vielversprechender seien hingegen Point-ofCare-Daten der Patienten – also solche, die zum Beispiel im Krankenhaus entstehen und dann in die elektronische Patientenakte eingetragen werden.

Auch die Daten zum weltweiten Flugverkehr nutzen Wissenschaftler für ihre Vorhersagen. Wichtige Erkenntnisse zur Ausbreitung im internationalen Maßstab stammen von Dirk Brockmann, Professor am Institut für Theoretische Biologie der Humboldt Universität (HU) Berlin. Er hat ein Modell entwickelt, mit dem sich schätzen lässt, wie sich ein Virus verbreiten wird. In das Modell fließen die Daten zum weltweiten Flugverkehr mit seinen ungefähr 4.000 Flughäfen und etwa 51.000 direkten Verbindungen zwischen den Flughäfen ein.

Brockmanns Forschung zeigt: Je mehr Verkehr es zwischen zwei Orten gibt, desto näher liegen sie im übertragenen Sinne beieinander – und desto größer ist das Risiko, dass ein Virus vom einen ins andere Land gelangt. Mithilfe des Modells lässt sich berechnen, wie wahrscheinlich es ist, dass ein Virus importiert wird. Für das neuartige Coronavirus war anfangs zum Beispiel das Importrisiko für Frankreich höher als das für Indonesien – obwohl Frankreich weiter von China entfernt liegt. Der Grund: „Für Wuhan ist der Flughafen Charles de Gaulle in Frankreich ein wichtiges Drehkreuz“, erklärt der Forscher. Das Modell hat jedoch seine Grenzen. Es hilft nicht mehr weiter, sobald die Fallzahl innerhalb eines Landes steigt und die Infektionsketten von außerhalb unbedeutend werden.

Dirk Brockmann würde nun gerne den nächsten Schritt gehen und sich die Dynamiken im kleineren Maßstab anschauen. Anhand von Smartphone-Bewegungsdaten würde er gerne die Wechselwirkungen zwischen Menschen in einer Stadt wie Berlin analysieren. Der Forscher schlägt deshalb vor, eine Infrastruktur für Datenspenden zu schaffen. „Ich bin mir sicher, dass es viele Leute gibt, die mitmachen würden.“

In diese Richtung geht in Deutschland ein Vorhaben der Hamburger Geotracking-Firma Ubilabs und der Medizinischen Hochschule Hannover. Ihre App soll helfen, das eigene Infektionsrisiko per Standortfunktion des Smartphones einzuschätzen. Ob jedoch genug Nutzer mitmachen werden, um aussagekräftige Daten zu bekommen, ist offen. Und so bleibt der Faktor Mensch zunächst der entscheidende: Abstand halten, heißt erst einmal weiter die Devise.