Wir arbeiten an einem Projekt mit synthetischen Daten in Longitudinalstudien in der pharmazeutischen Industrie. Das ist wirklich cutting edge und natürlich gibt es ethische Implikationen. Ich kann ein möglicherweise wirksames Produkt für eine kleine Patientengruppe nicht in den Markt bringen, weil ich die Studie nicht rekrutieren kann. Synthetische Daten versprechen, dass das in Zukunft anders sein könnte, weil ich die Kohorten in die Zukunft hochrechnen kann. Das erkennen aber die Behörden nicht an, weil ihnen das suspekt, sie es nicht verstehen, die AI nicht reguliert ist, sie es nicht wollen... whatever. Das führt dazu, dass Studien abgebrochen oder gar nicht durchgeführt werden. So werden wir nie erfahren, ob Produkte, die wir nie zu sehen bekommen, nicht doch was getaugt hätten. Ja: Viele ethische Fragestellungen und die, die sie beantworten müssten verstehen sie nicht oder wollen nicht. Dass das auch ein Wirtschaftsfaktor ist, ist den meist allein akademisch aufgestellten Personen vielleicht bewusst, aber herzlich egal. Darüber sollten wir auch mal nachdenken.

Wenn ich eine neue Therapie n gegen eine alte Therapie a laufen lasse in einer Studie mit definieren Endpunkten, und es stellt sich während der Studie heraus, dass n deutlich besser ist als a, darf aus ethischen Gründen den Patienten, die mit Placebo oder mit a behandelt wurden n nicht vorenthalten werden. D. h. die Studie muss abgebrochen werden, ohne jemals die Endpunkte erreicht zu haben. Damit gilt n als "Failed product", weil es ja nicht die Studienendpunkte erreicht hat. Das nennt man "Cross over Problematik" und kann dazu führen, dass in der Logik der Erstatter, nicht der Zulasser, das Produkt nur zu einem geringerem Preis auf den Markt kommen kann, als z. B. a, da es ja die DEFINIERTEN Studienendpunkte im Vergleich zu a nicht erreicht hat. Damit würde dann das Produkt n z. B. nicht im Deutschen Markt in den Handel kommen, da Deutschland als Preisreferenzland gilt. Synthetische Daten könnten hier sehr hilfreich sein, da man dann dennoch die abgebrochenen Studien a vs n weiter laufen lassen könnte und zum Erreichen der Endpunkte käme. Diese synthetischen Daten werden jedoch von den HTA (Health Technology Assessment) Agenturen der Gesundheitssysteme (in DE: IQWiG) nicht anerkannt aus den oben genannten Gründen. Macht Sinn?

Ich glaube, was wir her sehen ist die Krise der Akademie. Früher hätte man doch gesagt, man lernt das an einer Hochschule und macht da gute Kurse. Aber auch Hochschulen sind kein Garant mehr für gute Qualität. Und die US Amerikanischen Hochschulen haben daraus brillante Geschäftsmodelle entwickelt mit Zertifikaten und großen Namen. Ich mag es lieber, mich mit Leuten direkt auszutauschen. Es ist, glaube ich, gegenwärtig auch die Frage: Was muss ich über KI wissen? Das was Forscher mir erzählen, was der nächste hot shit ist, oder das was ich gerade verstehen muss oder das, dass ich auch mit Python etc. etwas programmieren kann. Ich glaube, es ist doch wie bei Tron in den 80ern: Es gibt User und es gibt Programmer. Und die Letzteren werden immer seltener, da sich ja vieles selbst schreibt. Aber mal ganz ernsthaft: Wo, außer in solchen Zusammenhängen wie der AI Summer School kann man wirklich Substantielles lernen, um z. B. einzuschätzen ob der 50ste Anbieter aus der Türkei, aus Polen, aus der Ukraine, der mich per Linkedin ankumpelt und mehr erzählt, was er alles Tolles mit AI machen kann, wirklich etwas taugt. Hat dafür jemand eine Lösung?

Ich glaube, dass Gehirn Computer Schnittstellen noch eine gute Strecke entfernt sind. Klar kann man sich etwas einbauen lassen als Hirnschrittmacher etc. Aber das Gehirn an sich ist noch viel zu wenig verstanden. Wir können mit einem funktionalen MRT dem Organ beim Denken zuschauen... und? Dann sehen wir wo Kohlenhydrate verstoffwechselt werden. Das ist so, wie wenn ich mit einer Wärmebildkamera auf ein Haus schaue und damit herausfinden will, was die Bewohner gerade im Fernsehen anschauen. Ich finde grundsätzlich spannend, dass EEG auf ein nächstes Level gehoben wird und wir vielleicht dieses Diagnostiksystem für Epilepsie etc. besser verstehbar und zugänglich machen können. Und ich würde die Elektrodiagnostik auch nicht isoliert auf das Gehirn sehen. Die EKG Wellen des Herzens haben z. B. auch prädiktiven Value für epileptische Anfälle. Ein Bonner Startup namens Monikit konnte das - natürlich mit KI - nachweisen.

Sehr spannend, würde ich gerne mehr dazu erfahren. Die Bilder sind auf jeden Fall vielversprechend.

Ein spannendes Thema. Ich habe schon Lorenz' Beitrag zum Thema Geldverdienen mit AI mit ein paar Gedanken zur Humanmedizin kommentiert. Ich habe eine andere spannende Studie gelesen, die sagt, sie könnte Spondylodesis Ankylosans (M. Bechterew) anhand von sieben leicht zugänglichen Parametern erkennen. Im Durschnitt leidet der Normalpatient 6,2 Jahre, bis irgendwer die richtige Diagnose stellt. Da ist es für manche schon etwas spät.