Der simulierte Patient – digitale Zwillinge in der Medizin

Proaktives Gesundheitsmanagement, bessere Prognosen von Krankheitsverläufen sowie Therapien und somit bessere Behandlungschancen: Es gibt viele gute Gründe für den Einsatz von digitalen Zwillingen in der Medizin. Sie könnten etwa die Entwicklung von Medikamenten beschleunigen oder bei der Behandlung von chronischen Erkrankungen helfen – als virtuelle Abbilder von Organen und Stoffwechselprozessen, mit denen man die Reaktion einer Patientin oder eines Patienten auf ein Medikament oder auf eine Behandlung simulieren kann.

Noch befinden wir uns am Anfang dieser Entwicklung. Doch schon heute zeichnen sich Herausforderungen ab, wie Claudia Witt, Co-Direktorin der Digital Society Initiative (DSI) der Universität Zürich, im Interview ausführt. Sie erwähnt unter anderem den schwierigen Zugang zu Daten, die mangelhafte Interoperabilität verschiedener Daten-Ökosysteme, das fehlende Vertrauen der Bevölkerung in privatwirtschaftliche Akteure wie etwa Pharmaunternehmen und Krankenkassen sowie insbesondere den dringend nötigen Ausbau von Digitalkompetenzen. Witt spricht aber auch über die vielfältigen Chancen und darüber, wie sich der Einsatz von digitalen Zwillingen im Gesundheitswesen auf die medizinische Versorgung und die Gesellschaft auswirkt und wann es wohl möglich sein wird, einen kompletten menschlichen Körper als digitalen Zwilling abzubilden.

Digitale Zwillinge in der Medizin sind allerdings keine Science-Fiction mehr, wie Peter Schardt, Chief Technology Officer bei Siemens Healthineers, in seinem Fachbeitrag schreibt. Abgesehen von der Entwicklung von digitalen Zwillingen einzelner Organe arbeite man zum Beispiel auch an Prototypen, die im Bereich der Strahlentherapie bei Tumoren schon vorab dank der vorliegenden Patientendaten vorhersagen können, ob Patientinnen und Patienten auf eine Therapie ansprechen oder nicht. Schardt führt aus, wie digitale Patientenzwillinge konkret funktionieren und was es alles dafür braucht. Von entscheidender Bedeutung seien die Menge und die Qualität der fürs Training von Machine-Learning-Algorithmen benötigten Daten, "denn je grösser die Menge an Qualitätsdaten, desto besser und präziser arbeitet das Rechenmodell".

In der Schweiz stösst das Konzept auf Anklang. Eine repräsentative Umfrage, durchgeführt von der Digital Society Initiative (DSI) der Universität Zürich in Zusammenarbeit mit GFS Bern, kommt zum Schluss: Fast zwei Drittel der Schweizerinnen und Schweizer zeigen sich aufgeschlossen gegenüber digitalen Zwillingen. Welche potenziellen Vorteile sich daraus für das Gesundheitswesen ergeben und welche Anwendungsfelder sich anbieten, erläutert Maria Kirschner, General Manager von Kyndryl Alps. In ihrem Fachbeitrag geht Kirschner auch darauf ein, was man bei der Durchführung eines digitalen Zwillingsprojekts beachten sollte – unabhängig davon, ob die Anwendungsfälle mit einem Anbieter, einem Kostenträger oder einem Pharmaunternehmen in Zusammenhang stehen.