Ziel des MTD-Netzwerkes ist es, die Versorgungsqualität unserer neurologischen Patienten durch eine intensive fach- und praxisübergreifende Zusammenarbeit zu verbessern, sagte NTD/NTC-Geschäftsführer Dr. Arnfin Bergmann, Neuburg. Dazu wurde 2008 eine Datenbank zu Patientenmerkmalen und Therapieverläufen aufgebaut und 2012 um Therapie- optimierende Module erweitert. Die seit 2013 Web-basierte Datenbank wurde 2016 zur DESTINY®-Plattform (DatabasE-assiSted Therapy decIsioN support sYstem) ausgebaut, die unter Einbindung von „Machine Learning“ und künstlicher Intelligenz Arzt und Patienten darin unterstützt, sich gemeinsam für die optimale Therapie zu entscheiden. Auch die Patienten haben über Internet und App Zugang. Im Januar 2018 wurde die NTD dafür mit dem Deutschen Exzellenz-Preis ausgezeichnet.
Im Fall der MS-Therapie werden die Ärzte des NTD-Netzwerkes durch die − in Kooperation mit dem international tätigen Schweizer Unternehmen PricewaterhouseCoopers (PwC) entwickelte − Software PHREND® unterstützt.
Der Verbund arbeitet zunehmend auch wissenschaftlich: Bis heute haben die ISO-zertifizierten NTD-Zentren an 213 Studien mitgewirkt, die teils hochrangig publiziert wurden. „Wir Ärzte sind ein Teil der modernen, vernetzten digitaliserten Medizin“, so Bergmann, doch neben allen technischen Innovationen „steht im Mittelpunkt all unserer Bemühungen immer der einzelne Patient“.
Dies bestätigte u. a. auch Dr. Mahsa Behzadhi, Forschungsprogramm-Managerin des Medical Brain Teams von Google, Zürich. „Maschinen werden den Menschen nicht ersetzen, sie werden ihn vielmehr unterstützen. Für emotionale Aspekte brauchen wir weiterhin die Beziehung zwischen Arzt und Patient.“ Sie berichtete von den sehr breiten Einsatzmöglichkeiten des Maschinenlernens (ML) und der künstlichen Intelligenz in der Medizin. Diese heute schon in Anwendungen wie Suchmaschinen, Navigation, Sprach- und Texterkennung eingesetzte Technologie wird in die Diagnostik einschl. der modernen genanalytischen Verfahren und die Entscheidungen über (personalisierte) Therapien Einzug halten.
So lässt sich z. B. die intelligente Bilderkennung höchst effizient zur Auswertung von Augenhintergrund- Bildern nutzen, um Patienten mit diabetischer Retinopathie früh zu identifizieren − auch in ärztlich unterversorgten Regionen. Dies gilt auch für Daten von z. B. implantierten Sensoren oder am Körper getragenen Geräten („Wearables“). ML- und KI-basierte Anwendungen sind uns teilweise überlegen, so Behzadhi, aber sie können uns Zeit generieren, auch für das Arzt-Patienten-Gespräch. JL