Wie Data Science bei der Bekämpfung des Coronavirus-Ausbruchs half

Trotz anhaltender Bemühungen, die Gesundheitssysteme weltweit zu verbessern, bleiben neu auftretende Epidemien ein großes Problem für die öffentliche Gesundheit. Eine wirksame Reaktion auf solche Ausbrüche hängt von einem rechtzeitigen Eingreifen ab, das idealerweise auf allen verfügbaren Datenquellen basiert.

Die zunehmende Komplexität von Ausbruchsdaten hat zum Aufstieg der Ausbruchsanalyse geführt – einer Datenwissenschaft, die darauf ausgelegt ist, die Reaktion auf Ausbruchssituationen zu unterstützen.

Wie funktioniert es also? Es gibt vier Hauptziele:

• Daten aus mehreren Quellen sammeln. Dabei ist zu beachten, dass es bei der Datenerhebung nicht nur darum geht, strukturierte Daten aus klinischen Dokumenten zu entnehmen. Auch Rohdatenquellen sind beteiligt. Daher erfordert die Analyse von Ausbruchsdaten Rauschunterdrückung, Datenbereinigung und Normalisierung, damit die Daten umsetzbare Erkenntnisse gewinnen können.
• Situationsbewusstsein bereitstellen. In Zeiten der Pandemie, in Zeiten der Unsicherheit, ist es wichtig zu wissen, wann das Risiko beherrschbar ist und wann es am wahrscheinlichsten gefährlich wird. Situationsbewusstsein, das über verschiedene öffentliche Quellen überwacht wird, hilft, dieses Risiko zu mindern und zu kontrollieren.
• Wirksame Reaktion gestalten. An dieser Stelle setzt die Datenvisualisierung ein. Sie stellt die Analyseergebnisse in einer klaren und benutzerfreundlichen Form (über Dashboards, Diagramme usw.)
• Schulung und Kapazitätsaufbau. Ist eine Krise gelöst, analysieren die Entscheidungsträger die Situation, um die akzeptierten Reaktionsszenarien zu analysieren und erfolgreiche Strategien auszuwählen. Dann nehmen sie relevante Änderungen an Berufsausbildungs- und Gesundheitsnotfallplänen vor, um besser auf eine weitere Gesundheitskrise vorbereitet zu sein.

Die COVID-19-Pandemie ist nicht die einzige im 21. Jahrhundert oder sogar im letzten Jahrzehnt. Vor nicht allzu langer Zeit haben Ebola und Zika in Westafrika und Amerika verheerende Schäden angerichtet. Schnelle Reaktion und ihre Anpassungsfähigkeit, Überwachungsmechanismen und Managementstrategien waren es, die Forschern und Klinikern damals halfen. Aber reichen sie jetzt aus? Nicht wirklich.

Angesichts der globalen Reichweite der Pandemie ist eine wirksame Reaktion ohne die umfassende Zusammenarbeit der wichtigsten Parteien schwer zu entwerfen, und es geht nicht nur um feldübergreifende Forschung innerhalb der Ausbruchsanalyse. Da das Virus über 200 Länder quält, sollte sich eine angemessene Reaktionsstrategie auf bewährte Verfahren aus jeder Region stützen.

Glücklicherweise haben sich klinische Forscher und Mediziner weltweit im Kampf gegen das Virus zusammengeschlossen. Auf der Suche nach den besten Strategien zur Krisenbewältigung haben sie eine ausgeklügelte Datenaustauschkultur entwickelt. Sie veröffentlichen ihre Entwicklungen nun als Open Source und arbeiten ständig daran, sie zu verbessern. Dank dieses Ansatzes sahen wir einzigartige Diagnoseprojekte wie DarwinAI (Kanada). Mit diesem Computer-Vision-Tool ist es möglich, COVID-19 nur durch Röntgenaufnahmen des Brustkorbs zu diagnostizieren. Zuvor war die Computertomographie (CT) die einzige bildgebende COVID-19-Diagnosemethode.

Der kooperative Ansatz umfasst auch Ausbruchsanalysen, die Echtzeit- und Präventionsanalysen vorangetrieben haben. Diese beiden Arten von Analysen sind der Kern der Eindämmung der Virusverbreitung.

Echtzeitdaten

In kritischen Situationen fördert diese Art der Analyse eine schnelle datenbasierte Entscheidungsfindung und passt den Prozess individuell an jede Situation an. Solche Analysen sind für lokale Mediziner, die an vorderster Front im Kampf gegen das Virus stehen, von besonderer Bedeutung.

Lokale Echtzeit-Analysetools werden unter Berücksichtigung der Bedürfnisse der Schlüsselakteure entwickelt. Kinetica und Disaster Tech haben beispielsweise eine dynamische KI-gestützte Analyseplattform bereitgestellt, um die US-Krisenhelfer dabei zu unterstützen, Coronavirus-bezogene Daten im Handumdrehen zu verfolgen. Die Lösung ermöglicht es Rettungsdiensten, statistische Live-Daten zur Verfügbarkeit von persönlicher Schutzausrüstung (PSA), Krankenhauskapazität, Anzahl der Testkits, Geräteverfügbarkeit und mehr zu visualisieren, um den am besten geeigneten Standort für einen Patienten auszuwählen und Zeit zu sparen.

Echtzeitanalysen beschränken sich nicht auf die lokale Lösung operativer Aufgaben. Our World in Data, ein in Oxford ansässiges Projekt zur Lösung globaler Probleme, hat eine umfangreiche Veröffentlichung zu COVID-19-Statistiken weltweit bereitgestellt, um kontinuierliche Echtzeitanalysen zu ermöglichen. Die Quelle bietet Zugang zu einem Großteil von Coronavirus-bezogenen Daten, von neuen Fällen und Sterblichkeitsrate bis hin zu politischen Reaktionen für jedes Land, das die Coronavirus-Krise durchlebt. Alle Diagramme, Berichte und andere interaktive Datenvisualisierungen werden täglich aktualisiert und stehen zum Download bereit.

Analytik zur Prävention

Echtzeitanalysen halfen der südkoreanischen Regierung, das Design von Präventionsstrategien und die Covid-positive Patientenüberwachung zu verbessern. Es verwendet die Daten von IoT- und KI-Lösungen, die den Live-Smart-City-Netzwerken zugrunde liegen, und persönlichen Informationen von bestätigten Patienten. Auf diese Weise können Forscher die Bewegungen der Patienten verfolgen, ihre Kontaktpersonen identifizieren und das potenzielle Ausmaß des Ausbruchs in einer bestimmten Region mithilfe von Big-Data-Analysen vorhersagen. Die Daten werden auch verwendet, um vorbeugende Maßnahmen und Anweisungen zu erstellen.

Taiwan hat es auch geschafft, Echtzeitanalysen für eine rechtzeitige Prävention zu nutzen. Kurz vor dem chinesischen Neujahrsfest, das die asiatische Ferienzeit markiert, hat das Land die nationale Krankenversicherungsdatenbank mit denen für Einwanderung und Zoll integriert. Als infizierte Reisende ankamen, durchkämmte eine Big-Data-Analyselösung die integrierten Datenbanken und stellte den Zusammenhang zwischen der Reisehistorie der Besucher und den aufgetretenen Symptomen her. Die Lösung sendete während eines Krankenhausbesuchs Echtzeitwarnungen, um die Fallidentifikation zu unterstützen. Es ermöglichte auch die Klassifizierung von Reisenden nach Infektionsrisiken basierend auf der Flugherkunft und dem Reiseverlauf der letzten 14 Tage.

In einer Situation der Unsicherheit und des Aufruhrs wie der gegenwärtigen Pandemie sind aufschlussreiche Daten der König. Und es sind relevante Analyselösungen, die sie nutzen und ohne Verzögerungen angemessene Reaktions- und Präventionsmaßnahmen ergreifen können. In dieser Hinsicht funktioniert die Ausbruchsanalyse gut.

Gleichzeitig rückt die weltweite Ausbreitung des Virus einen weiteren Aspekt ins Rampenlicht – die internationale Zusammenarbeit. Um effektive Managementstrategien zu entwickeln, sollten wichtige Interessengruppen und Entscheidungsträger aus der ganzen Welt die entwickelten Lösungen überprüfen und verbessern und die Reaktionsmaßnahmen auf der Grundlage von Echtzeitdaten verfeinern. Daher ist die gemeinsame Anstrengung in allen Bereichen, von der Analytik über die Diagnostik bis hin zur Behandlung, der einzige Weg, die Pandemie zu stoppen und sich besser auf jeden anderen Gesundheitsnotfall vorzubereiten.

Yaroslav Kuflinski ist ein Beobachter der künstlichen Intelligenz/des maschinellen Lernens bei Iflexion.