Mathematisches Modell zur Identifizierung von Krankheitsursachen

Big Data

Mathematisches Modell zur Identifizierung von Krankheitsursachen

Big Data-Analyse-Verfahren von Wiener Wissenschaftern bringt neue Erkenntnisse über Ursachen von Erkrankungen.

Per Big Data-Analyse wollen Wissenschafter zu neuen Erkenntnissen über den Anteil genetischer oder umweltbedingter Faktoren bei der Entstehung von Krankheiten in großen Bevölkerungsgruppen kommen. Laut Aussendung der MedUni Wien haben Peter Klimek und Stefan Thurner, Leiter des Instituts der Wissenschaft komplexer Systeme, ein mathematisches System dafür entwickelt.

Am Institut der Wissenschaft komplexer Systeme der MedUni Wien werden durch die Vernetzung von Daten mathematische Modelle und Netzwerktheorien entwickelt, die ein weites Spektrum abdecken, von den Kommunikationswegen im Zellsystem, bis zur Analyse des öffentlichen Gesundheitssystems. In einer vor kurzem publizierten Studie in Scientific Reports hätten Klimek und Thurner erstmals eine neue Methode etablieren können, mittels derer man feststellen könnte, ob verschiedene komplexe Krankheiten genetisch oder umweltbedingt sind. Aus dem Vergleich von molekularen Netzwerken mit Netzwerken der gemeinsam in der österreichischen Bevölkerung auftretenden Krankheiten hätten sie einen "Genetizitätsindex" errechnen können. Ist dieser Index für eine Krankheit groß, ist sie mit sehr hoher Wahrscheinlichkeit genetischen Ursprungs. Ist er klein, könne man die umweltbedingten Einflüsse weiter verfolgen und etwa Aussagen darüber machen, ob die Ursachen auf chemischen Giftstoffen oder auf Problemen mit molekularen Signalwegen beruhten, hieß es am Dienstag in einer Aussendung.

Thurner wurde so zitiert: "Der Wert der Studie liegt vor allem darin, dass wir praktisch sämtliche verfügbaren molekularen Daten mit jenen der in Wirklichkeit auftretenden Krankheiten abgleichen können, und so die Krankheitsursachen sehen. Und das, ohne die genetischen Daten der Patienten kennen zu müssen."

Eine zentrale Erkenntnis der Studie sei, dass die Krankheitsursachen meist rein genetisch oder rein auf Umwelteinflüssen basierten. Sehr selten bildeten beide Mechanismen gleichzeitig die Ursache. Die Studie erfolgte in Kooperation mit dem Hauptverband der Sozialversicherungsträger, der den zugrunde liegenden anonymisierten Forschungsdatensatz von rund acht Millionen Patienten über einen Zeitraum von zwei Jahren gemeinsam mit den Forschern analysiert hat.

Derzeit arbeiten die Forscher daran, Methoden aus der Komplexitätsforschung auch auf pharmakologische Wirkstoffe anzuwenden, um systematisch in Millionen von Kombinationsmöglichkeiten mögliche unerwartete Mehrfachwirkungen aufzuspüren. Erst vor kurzem sammelten sie dafür Hinweise, dass die gemeinsame Verwendung von Insulin und Statinen (Cholesterinsenker) das Krebsrisiko bei Diabetikern mit Insulinbehandlung drastisch reduzieren kann. Big Data-Analysen geben Hinweise auf große Personenkollektive. Eine Empfehlung zur Behandlung von Diabetikern mit Insulinen auch mit Statinen gibt es seit langem, weil Zuckerkranke ein massiv erhöhtes Risiko für Atherosklerose-bedingte Erkrankungen (z.B. Herzinfarkt) haben.