Ein tolles Beispiel, wie man bestehende klinische Daten nutzen kann, um neues Wissen zu gewinnen, zeigt eine Studie unter Co-Leitung der ETH Zürich.
Dabei haben Forschende der ETH Zürich, des Universitätsspitals Basel und der Universität Basel eine Methode entwickelt, mit der sich Merkmale von Antibiotikaresistenzen bei Bakterien anhand von Massenspektrometrie-Daten schneller ermitteln lassen. Unter Verwendung intelligenter Computeralgorithmen werden die Daten nach Mustern, die Bakterien mit und ohne Resistenz voneinander unterscheiden, untersucht. Veröffentlicht wurde die Methode erstmalig in der jüngsten Ausgabe des Fachmagazins Nature Medicine.
Dadurch wird es Ärztinnen und Ärzte zukünftig schneller möglich sein, eine notwendige Antibiotikatherapie, insbesonders bei schwerkranken Patientinnen und Patienten, wo der Einsatz des richtigen Medikaments entscheidend sein kann, gezielt auf das jeweilige Bakterium abzustimmen. Eine notwendige größere klinische Studie dazu ist bereits in Planung.
Was zeigt uns dieses Beispiel? Werden Daten nicht nur gesammelt sondern auch aufbereitet und mit Computeralgorithmen entsprechend analysiert, können dadurch neue Erkenntnisse gewonnen werden, mit künstlicher Intelligenz (KI) nach entsprechender Lernphase sogar selbstlernend. Im erwähnten Fall kann dies sogar Leben retten.
Als Expertinnen und Experten auf den Gebieten der Datenprognose und Datenalayse sehen, wir von der Alpa ITC GmbH, diesen Entwicklungen gespannt entgegen. Wir freuen uns auf diese neuen Einsatzgebiete die unsere Branche in den nächsten Jahren anbieten kann.
Quellen:
https://www.analytica-world.com/de/news/1174306/mit-ki-antibiotikaresistenzen-schneller-vorhersagen.html; 14.01.2022.
Originalveröffentlichung der Studie