Big Data wird Teil der Ärzteausbildung

BERLIN. Die Universitätsmedizin macht sich auf, die in der Medizin aufwachsenden Datenschätze zu heben. Aufgrund einer Ausschreibung des Bundesforschungsministeriums haben sich dafür 28 der 33 Universitätskliniken in sieben Konsortien zusammengefunden. Vier dieser Konsortien mit insgesamt 17 Universitätszentren werden nun ab 2018 für vier Jahre mit je 30 Millionen Euro gefördert, drei weitere mit je zehn Millionen Euro. Rund 40 Partner aus Forschung und Wirtschaft sitzen mit im Boot.

Ziel ist der Aufbau von Datenintegrationszentren und eine national vernetzte Infrastruktur für die Nutzung digitaler Gesundheitsdaten. Das Geld soll zudem in den Aufbau von Lehrstühlen für Medizininformatik und entsprechende Curricula fließen. Die Politik verspricht sich viel von dem Big-Data-Projekt. "Wenn man die Daten hätte, könnten Ärzte zum Beispiel genauer diagnostizieren", sagte Forschungsministerin Professor Johanna Wanka bei der Vorstellung des Ausschreibungsergebnisses am Montag in Berlin. "Unsere Vision ist , dass jeder Arzt, egal ob in Kliniken, Haus- oder Facharztpraxen, alle verfügbaren Erfahrungswerte und Forschungsergebnisse in seine Therapieentscheidungen einbeziehen kann", sagte Wanka.

Während des neunmonatigen Auswahlzeitraums hat sich das BMBF beraten lassen. "Der Ansatz in Deutschland sei international einzigartig", sagte Professor Alexander Hörbst aus Österreich bei der Pressekonferenz am Montag. Die Einbindung von Patientenvertretern und Datenschützern solle garantieren, dass die Daten auch künftig den Patienten gehörten.

Die Hauptkonsortien und Beispiele ihrer Projekte in Steckbriefen.

- Miracum: Erlangen, Frankfurt, Freiburg, Gießen, Magdeburg, Mainz, Mannheim, Marburg. Beispiel Hirntumorforschung: Datenanalyse, um Patienten mit verbesserter Trennschärfe gegenüber heute bestimmten Subgruppen zuordnen zu können; Datenabfragen zur erleichterten Rekrutierung von Patienten für Studien.

- Difuture: Augsburg, Homburg (Saar), München (TU), München (LMU), Regensburg, Tübingen. Beispiele: Multiple Sklerose und Parkinson, Krebs und Herz-Kreislauf-Erkrankungen: Datenabgleich von tausenden Krankheitsverläufen, um frühestmöglich gezielte und personalisierte Medikationsempfehlungen treffen zu können.

- Smith: Aachen, Halle, Jena, Leipzig. Beispiel: Entwicklung datenanalytischer Methoden und Werkzeuge: Aus elektronischen Patientenakten sollen automatisiert Informationen gewonnen werden, um Versorgungsabläufe zu studieren und zu verbessern; automatische Überwachung von Patienten auf Intensivstationen, um schnellere therapeutische Eingriffe zu ermöglichen; computerbasierte Entscheidungshilfen für Ärzte beim leitliniengerechten Einsatz von Antibiotika.

- Highmed: Göttingen, Hannover, Heidelberg. Beispiele Krankenhauskeime und Datenverknüpfung. Krankenhausinfektionen sollen auch mit Daten bekämpft werden; die Verknüpfung von Genom- und radiologischen Bilddaten soll personalisierte Ansätze fördern; Ärzte und Gesundheitspersonal sollen in der Medizininformatik und im Umgang mit den neuen Technologien geschult werden.