Große Zahlen, kleine Zahlen

Auszug

In dieser Ausgabe wird exemplarisch die zunehmende Spreizung von gängigen und zukünftigen Stichprobenumfängen in der Medizin deutlich: Im Interview geht es um die mehr und mehr kommenden „Big Data“. Dieser Begriff bezieht sich in der Regel auf die drei Dimensionen „VVV“, also Volume (Datenvolumen), Velocity (Geschwindigkeit, mit der die Datenmengen generiert und weiterverarbeitet werden) und Variety (Unterschiede in der Datenart und -struktur). Im Grunde geht es darum, dass diese Daten, die Hunderttausende oder Millionen von Patienten umfassen können, zu groß sind, um sie mit den üblichen Methoden zu erfassen und weiter auszuwerten. In der Medizin spielt das eine große Rolle bei der Nutzung von Routinedaten zur Qualitätssicherung, Hypothesengenerierung oder auch Kohortenidentifizierung für prospektive Studien. Zum anderen sind „Big Data“ zentrales Thema bei genomweiten Assoziationsanalysen oder bei der Analyse und Modellierung neuronaler Netzwerke. Komplexe Biostatistik ist notwendig — und viel Know-How; denn bei gigantischen Datenmengen wächst auch das Risiko falsch positiver „signifikanter“, aber klinisch bedeutungsloser Ergebnisse. Richtig angewandt hingegen erlauben große komplexe Datenbanken den Einsatz von fein detaillierter Analytik bis hin zu selbstlernenden Algorithmen, die in der Versorgung von Patienten helfen können. Mindestens lassen sich Frühwarnsysteme vorstellen, die bei bestimmten Symptom- und Befundkonstellationen Alarm schlagen, ob in der Früherkennung oder Diagnostik von Erkrankungen, in der Risikoabschätzung von Medikamentennebenwirkungen oder auch in der Intensivüberwachung von Schwerstkranken. So erlauben einem eventuell die „Big Data“-Ansätze letztlich personalisiertere medizinische Einschätzungen, als die synoptische oder metaanalytische Interpretation randomisierter kontrollierter Studien alleine. …