Geräte, die diskret unsere täglichen Aktivitäten, Trainingsminuten und Schlafqualität verfolgen, durchlaufen eine leise, aber tiefgreifende Transformation. Einst ausschließlich als Gadgets für Fitness-Enthusiasten betrachtet, werden sie heute zu Schlüsselwerkzeugen bei der Frühdiagnose und Prävention schwerwiegender Gesundheitsrisiken. Wir leben im Zeitalter des medizinischen „Internets der Dinge“ (Internet of Things), einem Universum aus internetverbundenen Anwendungen, tragbaren Sensoren und intelligenten Geräten, die kontinuierlich unsere Gesundheitsdaten sammeln, analysieren und teilen und so ungeahnte Möglichkeiten für eine personalisierte Medizin eröffnen.

Jüngsten Forschungen zufolge nutzt fast ein Viertel der Bevölkerung in den Industrieländern eine Art von Gesundheitstracker. Tragbare Geräte sind jedoch nur ein Teil des komplexen Ökosystems, das die moderne Gesundheitsversorgung transformiert. Experten wie Dr. Sandeep Kishore, außerordentlicher Professor für Medizin an der University of California, San Francisco (UCSF), leiten Initiativen, die darauf abzielen, diese Technologien direkt in die klinische Praxis zur Behandlung von Erkrankungen wie Diabetes und Bluthochdruck zu integrieren.

Revolution an unserem Handgelenk: Mehr als ein Schrittzähler

Wenn wir über tragbare Technologie sprechen, denken viele zuerst an intelligente Armbänder und Uhren, die die Anzahl der Schritte, den Puls und den Sauerstoffgehalt im Blut messen. Das Spektrum dieser Geräte ist jedoch weitaus breiter. Smartphones sind zu zentralen Knotenpunkten für Gesundheitsdaten geworden, die Informationen von verschiedenen Sensoren empfangen und eine direkte Kommunikation mit Ärzteteams über sichere Plattformen ermöglichen. Eines der eindrucksvollsten Beispiele sind externe Sensoren wie digitale Blutdruckmessgeräte oder kontinuierliche Glukosemessgeräte (CGM).

Kontinuierliche Glukosemessgeräte, kleine Pflaster mit einer kaum spürbaren Nadel, die meist am Oberarm angebracht werden, stellen eine wahre Revolution für Diabetiker dar. Diese Geräte können den Zuckerspiegel in der Zwischenzellflüssigkeit alle paar Minuten messen und die Daten direkt an das Smartphone des Benutzers senden. Auf diese Weise erhält der Patient anstelle von schmerzhaften Stichen in den Finger mehrmals täglich einen vollständigen Überblick über die Glukoseentwicklung über 24 Stunden, was eine präzisere Anpassung von Therapie und Ernährung ermöglicht. Forschungsteams, wie die an der UCSF, arbeiten aktiv an der Entwicklung von Systemen, die diese Daten für Ärzteteams sofort verfügbar und nutzbar machen.

Das Problem der „Weißkittelhypertonie“ und andere diagnostische Herausforderungen lösen

Eine der größten Herausforderungen in der klinischen Praxis besteht darin, dass Ärzte oft nur einen momentanen, fragmentierten Einblick in den Zustand eines Patienten erhalten. Die Blutdruckmessung in der Praxis ist ein perfektes Beispiel. Es ist überraschend schwierig, in einer solchen Umgebung eine genaue Messung zu erhalten. Der Patient hat vielleicht gerade seinen Morgenkaffee getrunken, ist die Treppe hochgehetzt oder fühlt sich wegen des Arztbesuchs selbst leicht ängstlich. All diese Faktoren können den Blutdruck vorübergehend erhöhen, was zu dem Phänomen führt, das als „Weißkittelhypertonie“ bekannt ist.

Hier zeigt die tragbare Technologie ihre wahre Stärke. Intelligente Blutdruckmessgeräte, die zu Hause verwendet werden können, ermöglichen regelmäßige Messungen in einer entspannten Umgebung. Sie können die Blutdruckwerte über das ganze Jahr hinweg aufzeichnen und nicht nur bei halbjährlichen Kontrolluntersuchungen. Die Daten werden an ein sicheres System gesendet und bieten dem Arzt ein echtes und langfristiges Fenster in das kardiovaskuläre Bild des Patienten. Dadurch werden unnötige Therapien vermieden und sichergestellt, dass nur diejenigen behandelt werden, die es wirklich brauchen. Ähnliches gilt für die Erkennung von Vorhofflimmern, bei der Smartwatches den Herzrhythmus kontinuierlich überwachen und auf Unregelmäßigkeiten aufmerksam machen können, die in einer Praxis möglicherweise unbemerkt bleiben würden.

Die Zukunft ist jetzt: Digitale Zwillinge und intelligente Diagnostik

Die Vision für die nächsten fünf Jahre bringt noch fortschrittlichere Konzepte. Die Technologie muss für den Patienten einfacher und weniger anspruchsvoll werden. Im Fokus stehen Lösungen, die kein großes Engagement erfordern, wie die Möglichkeit, den Blutdruck eines Tages mit einer Smartphone-Kamera zu messen oder den Herzrhythmus über eine Videoaufnahme eines Zoom-Anrufs zu analysieren.

Eines der faszinierendsten Konzepte ist die Schaffung von „digitalen Zwillingen“. Dabei handelt es sich um ein fortschrittliches Computermodell der Gesundheit eines einzelnen Patienten. Dieser virtuelle Avatar, der auf kontinuierlichen Daten von tragbaren Geräten, genetischen Informationen und klinischen Befunden basiert, könnte als Testfeld dienen. Ärzteteams könnten die Auswirkungen verschiedener Medikamente oder Therapien am digitalen Zwilling simulieren, bevor sie sie am realen Patienten anwenden, den Krankheitsverlauf vorhersagen und die Behandlung in einem unvorstellbaren Maße personalisieren. Obwohl diese Technologie noch in den Anfängen steckt und auf ihre klinische Validierung wartet, ist ihr Potenzial enorm.

Eine Professorin für Medizin an der UCSF, Dr. Ida Sim, betont die Idee „eines Blumenstraußes, nicht der Blumen“. Wir werden bald mit einer Situation konfrontiert sein, in der es für eine einzige Erkrankung eine Reihe verschiedener Gadgets geben wird, von denen jedes seinen eigenen Datensatz sammelt – „die Blumen“. Dies wird unweigerlich zu einer Informationsüberflutung führen. Die wahre Herausforderung und das „Geheimrezept“ für den Erfolg wird die Fähigkeit sein, all diese unterschiedlichen Datenströme – die Blumen – zu einem sinnvollen, nützlichen und einfachen „Blumenstrauß“ zu verbinden, der den Ärzten ein klares und handlungsrelevantes Bild liefert.

Künstliche Intelligenz als wichtiger Verbündeter in der Medizin

Genau hier kommt die künstliche Intelligenz (KI) ins Spiel. Die Bewältigung der riesigen Datenmenge, die jeder Patient generiert und die sich auf Gigabytes pro Monat belaufen kann, stellt eine enorme Herausforderung für die Verarbeitung dar. Die KI hat das Potenzial, diese „Datenlawine“ zu durchforsten und subtile Muster in der Krankheitsentwicklung zu erkennen, die das menschliche Auge nicht wahrnehmen kann. Diese Muster können helfen, die Ursachen von Symptomen oder sogar die Treiber der Krankheit selbst zu verstehen. Das Endziel ist es, Rohdaten in klinisch relevante Warnungen und Interventionen umzuwandeln.

Das Potenzial eines solchen Systems wird am besten durch einen realen klinischen Fall veranschaulicht. Dr. Kishore erinnert sich an eine Patientin in den 30ern mit Typ-1-Diabetes, die regelmäßiges Insulin zur Kontrolle ihres Blutzuckers benötigt. Leider ging ihr das Insulin aus und sie wurde in einem komatösen Zustand ins Krankenhaus eingeliefert. Ihr Mitbewohner fand sie bewusstlos in ihrem Zimmer. In der von Visionären erdachten Zukunft könnte ein solches Szenario verhindert werden. Hätte die Patientin ein passives Blutzuckerüberwachungssystem gehabt, könnten die Daten Teil einer Rückkopplungsschleife zwischen ihr und ihrem Ärzteteam sein. Das System hätte eine Warnung an einen Arzt oder Apotheker senden können, der ein Dashboard überwacht. Es hätte einen automatischen Anruf oder eine Nachricht an ihr Telefon initiieren können, und wenn keine Antwort erfolgt wäre, den Notdienst aktivieren können. Eine solche Tragödie hätte verhindert werden können.

Trotz Befürchtungen wird die KI Ärzte nicht ersetzen. Klinisches Urteilsvermögen und menschliche Erfahrung bleiben unersetzlich. Es geht nicht darum, dass ein Datenwissenschaftler oder ein KI-Experte eigenständig klinische Erkenntnisse aus einem Haufen von Daten generiert. Um nützliche Werkzeuge zu entwickeln, sind multidisziplinäre Teams aus Entwicklern, Klinikern, Patienten und User-Experience-Designern erforderlich.

Herausforderungen, Standards und ethische Fragen

Der Weg in diese technologische Zukunft ist nicht ohne Hindernisse. Neben dem Datenvolumen stellen Aggregation und Standardisierung ein großes Problem dar. Verschiedene Geräte verfolgen Daten auf unterschiedliche Weise, und Unternehmen verwenden oft ihre eigenen, proprietären, geschlossenen Algorithmen. Dies schafft „abgeschlossene Silos“ von Daten und macht die Harmonisierung und Kombination von Informationen aus verschiedenen Quellen zu einer großen Herausforderung.

Um diese Probleme zu überwinden, werden Projekte wie die Zusammenarbeit zwischen der UCSF und der University of Berkeley zur Entwicklung einer Open-Source-Plattform namens JupyterHealth ins Leben gerufen. Das Ziel dieser Plattform ist es, Gesundheitsdaten und künstliche Intelligenz für ein besseres Management von Diabetes und Bluthochdruck zusammenzuführen. Mithilfe von KI-Modellen extrahiert die Plattform in nahezu Echtzeit wichtige Erkenntnisse für Ärzte und Patienten und ermöglicht eine Entscheidungsfindung, die mit traditioneller Überwachung Monate oder Jahre dauern würde.

Die Schlüsselfrage bleibt Sicherheit, Datenschutz und Ethik. Institutionen wie die UCSF verfügen über ein rigoroses System von Kontrollen und Gegenkontrollen. Ein neues Aufsichtsgremium für künstliche Intelligenz im Gesundheitswesen, das aus Experten besteht, überprüft Projekte, um sicherzustellen, dass die entwickelte und untersuchte KI zuverlässig, fair, sicher ist und die Privatsphäre der Menschen schützt. Jeder Forscher muss detaillierte Forschungspläne bei einem institutionellen Prüfungsausschuss einreichen, der jede Forschung mit menschlichen Teilnehmern genehmigen muss, um sicherzustellen, dass sie sicher und ethisch durchgeführt wird.

Quelle: University of California