Presseinformation der LMU München vom 03.11.2014

Neue Algorithmen schaffen bessere Voraussetzungen für klinische Studien bei Amyotropher Lateralsklerose: LMU-Bioinformatiker begleiten einen Crowdsourcing-Wettbewerb, der neue Anstöße für die Entwicklung von Medikamenten liefert.

Die Diagnose Amyotrophe Lateralsklerose kommt einem Todesurteil gleich. Die Nervenkrankheit, kurz ALS, zerstört nach und nach Nervenzellen, die die Muskulatur steuern. Die Patienten leiden unter Muskelschwund und Lähmungen, wobei auch Sprechen, Schlucken und Atmung betroffen sind. In der Regel sterben ALS-Kranke drei bis fünf Jahre nach Ausbruch der Krankheit. Doch die Krankheit verläuft nicht bei allen Patienten gleich. „Die unterschiedlichen Krankheitsverläufe machen es sehr schwierig, effektive Behandlungsansätze zu entwickeln“, sagt Dr. Robert Küffner von der Lehr- und Forschungseinheit Bioinformatik der LMU und dem Helmholtz Zentrum München.

Um bessere Voraussetzungen für klinische Studien zu schaffen, hat Küffner mit einem internationalen Wissenschaftlerteam, in Zusammenarbeit mit ALS-Initiativen, Ärzten und dem IBM DREAM Projekt, einen Crowdsourcing-Wettbewerb organisiert. Die Aufgabe war es, Algorithmen zu entwickeln, die den Krankheitsverlauf von ALS vorhersagen können. Denn Computergestützte Rechenmethoden können eine Vielzahl an Patientendaten auswerten und so Informationen zu zukünftigen Krankheitsverläufen und Diagnoseansätzen liefern. Über den Wettbewerb und die zwei besten Algorithmen berichtet das Forscherteam aktuell in der Fachzeitschrift Nature Biotechnology.

Die Teilnehmer am Crowdsourcing-Wettbewerb erhielten anonymisierte Daten von 1822 ALS-Patienten. Für jeden Patienten lagen Daten zu den ersten drei Monaten der Krankheit vor. Die Aufgabe war es, Vorhersagen zu treffen, wie es dem jeweiligen Patienten neun Monate später gehen würde. Um die Vorhersagekraft der Algorithmen zu bewerten, wurde dann das tatsächliche Befinden der Patienten mit den prognostizierten Werten verglichen. „Die zwei besten Algorithmen übertreffen die bisher bekannten Vorhersagemöglichkeiten und die Einschätzungen von Ärzten, die ALS-Patienten betreuen“, sagt Küffner. „Dadurch lassen sich klinische Studien deutlich verbessern. Wenn der Krankheitsverlauf eines Patienten bekannt ist, lässt sich die Wirkung von Medikamenten besser beurteilen.“ Außerdem wurden im Rahmen des Wettbewerbs Kriterien erkannt, die den Krankheitsverlauf vorhersagen können, die bislang nicht dafür herangezogen werden: Werte für Harnsäure und Kreatinin sowie der Blutdruck. „Das zeigt, welch großes Potenzial Crowdsourcing-Wettbewerbe für die ALS-Forschung haben“, sagt Küffner, der die technische Aufsicht über den Wettbewerb geführt hat.

Mehr Daten, neuer Wettbewerb

Die anonymisierten Patientendaten stammten aus klinischen Studien. Sie enthielten beispielsweise Angaben zu den Blutwerten und den motorischen Fähigkeiten der Erkrankten. „Das Problem bei diesen Daten ist, dass sie recht komplex und auch uneinheitlich sind, weil sie aus verschiedenen Labors stammen“, sagt Küffner, der daher die Daten zunächst aufbereitet hat, bevor sie der Crowd zur Verfügung gestellt wurden. 37 Algorithmen wurden schließlich eingereicht. „Viele der Teilnehmer hatten bislang mit medizinischen Anwendungen keine Erfahrung, aber ihre Methoden sind auf die klinischen Daten übertragbar. Das Crowdsourcing hat ganz neue Perspektiven für die Forschung erschlossen und hilft, die tatsächlich besten Rechenmethoden zu finden“, sagt Küffner. Auch die beiden prämierten Algorithmen wurden zuvor noch nicht im klinischen Umfeld eingesetzt. Da ihre Vorhersagekraft sogar besser ist als die Prognose ALS-erfahrener Ärzte, planen die Wissenschaftler, die neuen Vorhersagemethoden in den klinischen Alltag zu überführen. „Damit könnten sie direkt den Patienten zugute kommen“, sagt Küffner.

Der Crowdsourcing-Wettbewerb wurde ermöglicht durch die ALS-Initiative Prize4Life, die zusammen mit dem Neurological Clinical Research Institute vom Massachusetts General Hospital die Open-Access-Datenbank ALS Clinical Trials gegründet hat und auch einen Preis von 50.000 Euro für den besten Algorithmus ausgelobt hatte. Inzwischen enthält die Plattform Daten aus klinischen Studien von insgesamt 8600 Patienten. „Diese Datenmenge ermöglicht es, ALS und den Krankheitsverlauf besser zu verstehen“, sagt Küffner, der inzwischen einen zweiten Crowdsourcing-Wettbewerb mit dem neuen Datenpool vorbereitet.

Publikation:
Nature Biotechnology, online 2. November 2014

Externer Link: www.uni-muenchen.de