Mit dem stetigen Fortschritt der Technik erweitern sich auch die Möglichkeiten, diese gewinnbringend zu nutzen. Über die letzten Jahre hinweg gab es zahlreiche Neuerungen – manche im Bezug auf physische Massenprodukte wie Wireless Kopfhörer, andere nur für bestimmte Branchen. Allgegenwärtig, und trotzdem nur selten bewusst wahrgenommen, sind die technischen Entwicklungen, die sich hinter dem Begriff `Data Science` verbergen.

Was genau ist Data Science?

Die Daten-Wissenschaft – wortwörtlich übersetzt – bezeichnet einen erst wenigen Jahre alten Berufszweig, der für viele Unternehmen jetzt schon nicht mehr wegzudenken ist. Im selben Atemzug wie Data Science wird oft der Begriff Big Data verwendet. Damit sind die Massen an Daten gemeint, die in Unternehmen in großem Stil gesammelt werden. Auch diese Entwicklung ist eine recht junge, da erst seit einigen Jahren die rentable Technik dafür existiert.

Die Leistung, der für die Datenerhebung unabdingbaren Arbeitsspeicher, hat sich durch optimiertes technisches Fachwissen über die Jahre hinweg immer zu verbessert. Als der Punkt erreicht war, wo die Ausgaben für die technischen Voraussetzungen tragbar waren, investierten Unternehmen zunehmend in Big Data.

Diese Datenmengen sind größtenteils komplett unstrukturiert und können deshalb unbearbeitet nicht genutzt werden – hier kommt Data Science in Spiel. Diese bezieht sich nur indirekt auf diese Vielzahl an vorhandenen Daten und vielmehr darauf, Informationen und Erkenntnisse aus ihnen zu gewinnen. Von diesen erhoffen sich die Unternehmen Vorteile, die sie größtenteils lukrativ einsetzen können.

Die drei Stufen von Data Science

Neben dem nötigen IT-Wissen, um die Daten in großen Mengen zu sammeln und zur Bearbeitung bereitstellen zu können, ist die Mathematik von großer Wichtigkeit. Hier spielt vor allem die Statistik eine tragende und essentielle Rolle, denn Mathematische Kalkulationen sind so kompliziert, dass diese nicht mehr mit einem einfachen Taschenrechner ausgeführt werden können, sondern immense Rechnenpower brauchen.. Deskriptive Statistik wird angewandt, um Sachverhalte zu beschreiben und zu verdeutlichen.

Wenn neue Erkenntnisse generiert werden sollen, wird auf die explorative Statistik zurückgegriffen, die zuvor unbekannte Einblicke in ein bestimmtes Themengebiet ermöglicht. Bei Anwendung der induktiven Statistik können den Unternehmen sogar, durch die Auswertungen bereits bearbeiteter Datensätze, Schätzungen und Prognosen für zukünftige Erkenntnisse bereitgestellt werden.

Die besten Erkenntnisse haben jedoch keinen Nutzen, wenn niemand vorhanden ist, der sie versteht und effektiv mit einbinden kann. Um die gewonnenen Einblicke gewinnbringend in das Unternehmen eingliedern zu können, bedarf es Fachpersonal. Eine Datenanalyse gelingt nur dann, wenn das nötige Fachwissen vorhanden ist, um effektive Schlussfolgerungen und ggf. Methoden aus den Erkenntnissen zu gewinnen. So können zum Beispiel Risiken und Ineffizienz, aber auch Chancen frühzeitig identifiziert werden.

Data Science: Anwendung in der Medizin

Eine Wissenschaft, die besonders große Vorteile aufgrund der Anwendung von Data Science verzeichnen kann, ist die Medizin. So profitiert nicht nur das medizinische Personal, sondern vor allem die Patienten von den Entwicklungen der letzten Jahre.

Prävention und Beobachtung

Data Science ermöglicht es, Körperfunktionen regelmäßig zu überwachen und Unregelmäßigkeiten innerhalb kürzester Zeit festzustellen. Somit können Erkrankungen vorgebeugt oder ihnen schnellstmöglich entgegengewirkt werden. Ein Vorteil für Patienten ist, dass viele dieser Daten unabhängig von einem medizinischen Angestellten gesammelt werden können. Dies trifft zu, sofern noch keine Erkrankungen vorliegen oder diese sich bereits in der fortgeschrittenen Behandlung befindet und es als unbedenklich eingestuft wird, die medizinische Einrichtung zu verlassen.

Blutdruckmessgeräte

Ein Gerät, welches oft bei einem Besuch bei den Großeltern vorgefunden wird und heutzutage zum Standard gehört, ist das leicht anzuwendende Blutdruckmessgerät. Dieses misst den Blutdruck der betreffenden Person und kann somit leicht Unregelmäßigkeiten und mögliche Herzprobleme aufzeigen. Einerseits dient es der Beobachtung von bereits betroffenen oder gefährdeten Patienten; andererseits kann es Krankheiten oder deren Verschlechterung entgegenwirken, da frühzeitig davor gewarnt wird.

Fitnessarmbänder

Diese kleine technische Neuheit ist erst seit einigen Jahren handelsüblich zu erwerben und erfreut sich immer noch wachsender Beliebtheit – der Activity Tracker, auch bekannt als das unscheinbare Fitnessarmband. Doch dieses ist keineswegs nur ein Accessoir oder eine Spielerei, es kann wichtige und vielfältige Daten über den Träger sammeln und allgemein-verständlich wiedergeben.

So kann es unter anderem die Aktivität überwachen. Von zurückgelegten Schritten oder Kilometern, bis hin zu der Angabe von Höchstwerten im Puls bei sportlicher Betätigung, kann der Activity Tracker nützliche Informationen über die Körperleistung während eines Tages liefern. Darüber hinaus wird der Stresslevel beobachtet und die Erholsamkeit des Schlafes ausgewertet – alles Faktoren, von denen sich auf mögliche Erkrankungen schließen lässt.

Diagnostik

Wenn der Verdacht einer Erkrankung aufgrund von Beschwerden etc. besteht, ist Data Science auch bei der Diagnose eine große Hilfe für das medizinische Personal.

Bildgebende Verfahren

Während Praktiken wie das Röntgen, das MRT und die Tomographie schon seit einiger Zeit bekannte Begriffe der Medizin sind, haben die Verfahren dahinter in den letzten Jahren immens von Data Science profitiert.

Durch die Anwendung werden präzisere Befunde ermöglicht. So werden Visualisierungen zum Beispiel in den Punkten Auflösung und 3-dimensionale Vorstellung optimiert. Bestimmte Algorithmen ermöglichen es zudem, auch aufgrund von dem Vergleich mit vorhergegangenen Untersuchungen und Diagnosen, hilfreiche Erkenntnisse zum Krankheitsbild bereitzustellen. Diese unterstützen das Fachpersonal bei der Genauigkeit der Diagnose, welches die Behandlungschancen für den Patienten deutlich erhöht.

Früherkennung von Krebs

Große Mengen an erhobenen Daten kann sich bei der Früherkennung von Krebs als sehr wertvoll herausstellen. Durch Einsatz eines Massenspektrometers können Daten genau ausgewertet und ein präzises Krankheitsbild erstellt werden, wie es `von Hand` gar nicht möglich wäre. Durch die dabei gelernten Algorithmen können Computer Krebszellen effektiver erkennen und ihrem Stadium zuordnen.

Behandlung

Daten können dank der Einbringung von Data Science besser ausgewertet werden und somit vielfältige Optionen zum Behandlungsvorgang beitragen.

Präzisionsmedizin

Dank Data Science kann verbessert auf die individuellen Bedürfnisse eines Patienten eingegangen werden, anstatt an einer `one size fits all`-Mentalität festzuhalten. Die Auswertung von Patientendaten, basierend auf anderen Fällen der Krankheit, genetischen Eigenheiten und wiederkehrenden Mustern, ermöglicht die erfolgversprechendste Behandlung. Diese ist individuell auf den Patienten abgestimmt und erhöht die Genesungschancen signifikant.

Optimierung von Abläufen

Data Science kann die Abläufe in einer medizinischen Einrichtung entscheidend optimieren. So werden zum Beispiel Schichten aufeinander abgepasst, basierend auf Fähigkeiten und vertraglichen Regelungen. Wartezeiten für Patienten können verkürzt werden durch präzise Abstimmung mit dem Schichtplan und Daten zu vorhergegangenen Untersuchungen. Und auch Folgen menschlichen Versagens können umgangen werden – ein versehentlich falsch ausgestelltes Rezept kann aufgrund von vergleichbaren Daten vom Computer erkannt und dem medizinischen Angestellten gemeldet werden.

Forschung und Entwicklung

Data Science spielt eine tragende Rolle in der Forschung. Die Behandlung von Patienten kann aufgrund von neuem, tiefgründigem Wissen in Bezug auf Krankheiten und der Entwicklung von neuartigen Medikamenten verbessert werden.

Fortschritte in der Krebsforschung

Data Science bietet Medizinern die Möglichkeit, Massen an Daten von gesunden Personen im Vergleich zu bereits an Krebs erkrankten Patienten zu analysieren. Durch die Sichtung und Auswertung der zwei Datengruppen können Experten Erkenntnisse über wiederkehrende Muster, die Entstehung von Krebs und die eventuelle Verlangsamung der Mutationen gewinnen.

Auf lange Sicht besteht das Potential, die Behandlung von Krebspatienten zu revolutionieren – weniger schädliche Medikamente und eventuelle Alternativen zu der Chemo-Therapie wären unter anderem vorstellbar.

Entwicklung neuer Medikamente

Data Science hat eine Revolution in der Entwicklung von neuen Medikamenten angestoßen. So können Computer heutzutage Muster verstehen und wiedererkennen, welches das gesamte Vorgehen erleichtert und vor allem verschnellert.

Die immerzu lernenden Algorithmen können vorhersagen, wie ein Wirkstoff im menschlichen Körper reagieren wird, welches Experiment am vielversprechendsten ist und welche Kombination von biologischen Wirkstoffen die größten Erfolgschancen haben. Dabei kann der Computer bei jeder neuen Entwicklung eines Medikamentes auf eine stetig wachsende Zahl von Daten zugreifen, welches die Entwicklung zunehmend präzisiert.

Fazit: Data Science sorgt für einen Umschwung im Gesundheitswesen

Dank Data Science und den damit verbundenen Chancen im Bereich der Datennutzung, haben sich vielfältige Möglichkeiten der Optimierung in der Medizin aufgetan. In den Bereichen der Prävention und Beobachtung, der Diagnostik und Behandlung von Patienten, sowie der medizinischen Forschung und Entwicklung wurden große Fortschritte erzielt, von denen in Zukunft eine anhaltende Entwicklung zu erwarten ist. Aber nicht nur im Gesundheitswesen, sondern in zahlreichen anderen Industrien profitieren die Unternehmen im großen Stil von Data Science; man darf gespannt bleiben, was die Zukunft bringt.