Wir wissen, dass Daten und Analysen bei Alltagsprodukten eine Rolle spielen – von Empfehlungen, welche Musik uns gefallen könnte, bis hin zur automatischen Umleitung durch unser Navigationssystem. Doch wie kann das Potenzial von Analysen bei einer Krankheit zur Anwendung kommen, die derzeit die Gesundheit und den Wohlstand von Menschen auf der ganzen Welt gefährdet?
Wenn wir die Zeit in die 1850er-Jahre zurückdrehen, treffen wir auf zwei Vordenker der frühen Datenwissenschaft. Diese beiden Beispiele haben nicht nur damals die Welt maßgebend beeinflusst, sondern könnten auch heute sehr aufschlussreich für den weiteren Verlauf der Pandemie sein.
Die Fälle zeigen eindrücklich, wie Daten und Analysen eingesetzt werden können, um eine signifikante Veränderung bei der Ausbreitung einer Krankheit zu bewirken.
Im Jahr 1852 hatte die Cholerapandemie London erreicht. Zu diesem Zeitpunkt waren bereits 23.000 Menschen gestorben. Als wäre das nicht schlimm genug, glaubten Menschen auch noch aufgrund unausgewogener Presseberichte, die Opfer stürben eher im Krankenhaus als zu Hause und würden von Ärzten getötet, um sie anschließend sezieren zu können (was als „Burking“ bezeichnet wurde).
John Snow, der häufig als Vater der Epidemiologie bezeichnet wird, begann damit, die Todesfälle in London nach Standortdaten zu analysieren, und machte so den Ursprung der Krankheit ausfindig: eine Wasserpumpe in der Broad Street, die den Londoner Stadtteil Soho mit Wasser versorgte, war kontaminiert.
(Karte mit John Snows Aufzeichnungen von Cholerafällen in London)
Anhand dieser Analyse überzeugte er die lokalen Behörden, den Schwengel der Pumpe zu entfernen, und schon nahmen die Cholerafälle rapide ab und die Krankheit breitete sich in London nicht weiter aus.
Wenige Jahre später löste ganz in der Nähe eine junge Krankenschwester namens Florence Nightingale ein weiteres bedeutendes medizinisches Problem. Das damalige britische Reich befand sich im Krieg mit dem russischen Kaiserreich und Tausende Soldaten wurden in Krankenhäuser eingeliefert. Die Zustände in den Krankenhäusern waren schrecklich und nach der Aufnahme lagen die Überlebenschancen unter 60 Prozent.
Nightingale war eine datenorientierte Person und erfasste mit jedem neu eingeführten Verfahren (wie dem Händewaschen) methodisch Daten über dessen Auswirkungen und analysierte die Ergebnisse. Aus einem der bekanntesten Berichte ging hervor, dass die Sterblichkeit in diesen Feldkrankenhäusern aufgrund ihrer Methoden von 42 % auf 2 % sank. Das allein war schon überzeugend, doch Nightingale ging noch weiter: Sie sammelte auch Daten zu Sterblichkeitsraten in den besten Londoner Krankenhäusern, um zu zeigen, dass diese innovativen Reformen überall eingeführt werden sollten.
Viele dieser Methoden zur Eindämmung von Krankheiten werden noch heute praktiziert.So unglaublich es klingt, dachten damals die meisten, schlechte Gerüche seien die Ursache für die Ausbreitung von Krankheiten.
Diese beiden Data-Science-Pionier:innen der ersten Stunde waren wegweisend für viele, die folgten. In beiden Fällen handelte es sich um ein bis zwei medizinisch ausgebildete Fachleute. Sie hatten Zugriff auf Daten und wussten, in welcher Form sie Datenanalysen durchführen mussten, um die gewünschten Ergebnisse zu erzielen. Dieses Muster setzt sich nun auch in moderneren Anwendungsbeispielen fort.
Bei einem anders gearteten Krankheitsausbruch, während der Vogelgrippe-Pandemie von 2009, griff das US‑amerikanische Landwirtschaftsministerium USDA auf Alteryx zurück, um in erstaunlichem Tempo Gegenmaßnahmen zu ergreifen. Mithilfe von Geodaten und der modernen Analyseplattform Alteryx konnte die Behörde schneller als zuvor gezielte Analysen anstrengen und so dazu beitragen, den Ausbruch schnell zu beenden und die wirtschaftlichen Folgen zu verringern.
Welche Durchbrüche sind denkbar zum Ausbremsen oder Besiegen des Coronavirus (COVID-19)?
Derzeit gibt es Berichte aus China, dass der Einsatz künstlicher Intelligenz (KI) einer der größten Faktoren ist, mit dem sich die Verbreitung bisher verlangsamen ließ. Durch eine Protokollierung, wo die gemeldeten Fälle aufgetreten sind, in Verbindung mit GPS-Bewegungsdaten von Mobiltelefonen konnten die Behörden Analysemodelle erstellen, die eine Vorhersage bezüglich der Stadtteile ermöglichten, in denen künftig wahrscheinlich Fälle auftreten würden. Anhand dieser Informationen konnten die Behörden schnell Quarantänen anordnen und Maßnahmen ergreifen, um die Ausbreitung der Krankheit zu verringern bzw. anzuhalten. Obwohl ein derartiger Datenaustausch in vielen anderen Ländern wahrscheinlich nicht stattfinden würde, deuten erste Anzeichen darauf hin, dass diese Maßnahmen die Krankheitsfolgen erheblich reduziert haben. In China werden bereits weniger neue Fälle als in vielen anderen Ländern gemeldet.
Ein Fallbeispiel
Deanna Sanchez, eine herausragende Data Scientist, die sich auf Geodatenbeziehungen konzentriert, verfügt auch über Fachkenntnisse mit Schwerpunkt in Geomedizin. Übertragen auf das Coronavirus erkennt sie bereits Muster in den Daten.
„Mithilfe von Alteryx konnten wir folgende Karten erstellen, welche die Ausbreitung des Coronavirus in den USA in einem mehrwöchigen Zeitraum zeigen. Jeder Punkt steht für bestätigte Krankheitsfälle, die je nach Farbvariante einzeln oder mehrfach auftraten.”
Hinweis: Die Karten zeigen Daten bestätigter Fälle mit Stand vom 11.02.2020, 10:50 Uhr.
„So wird die quantitative und geografische Ausbreitung visuell greifbar und wir gewinnen unmittelbar Erkenntnisse, zum Beispiel über die begrenzte Auswirkung der Krankheit, ihre Eindämmung in Großstädten und ihre unzusammenhängende Ausbreitung. Zudem lässt sich das Coronavirus mit Geoinformationssystemen (GIS) verorten und sein Verbreitungsmuster und die betroffenen Personengruppen lassen sich effektiv analysieren.“
– Deanna Sanchez, Alteryx ACE, Practice Manager – Intelligence & Analytics, PK – the Experience Engineering Firm („How spatial analytics can help fight the Coronavirus“)
Könnte Data Science weiter genutzt werden, um die Ausbreitung des Coronavirus zu stoppen?
Als ich vor Kurzem aus einem Flugzeug stieg, wurde ich von Mitarbeitern des Center for Disease Control and Prevention (CDC) befragt, weil aus Analysen hervorging, dass ich in ein Hochrisikogebiet gereist war. Sicherlich ist das ein sehr guter Anwendungsfall für Analysen, der zudem auf modernen Analyseplattformen unglaublich einfach zu implementieren ist. Ich glaube jedoch, dass noch mehr Durchbrüche mit noch größeren Auswirkungen anstehen – sei es bei Impfstoffanalysen, Eindämmungsmethoden, Analysen der Behandlungswirksamkeit oder neuen Verfahren zum Schutz von Ersthelfenden.
Ich gehe davon aus, dass außergewöhnliche Menschen mit großer fachlicher Erfahrung und Fachkenntnissen weiterhin fortschrittliche Analysetools und -methoden nutzen werden, um die Welt zu verändern. Und ich rechne mit noch mehr Beispielen dafür, wie moderne Superheldinnen und -helden COVID‑19 die Stirn bieten werden – damit meine ich die Wissensarbeitenden mit Fachkenntnissen in Data Science.
Wichtige Erkenntnisse
- Analysen und Big Data sind entscheidend, um die Ausbreitung tödlicher Krankheiten zu verstehen und zu bekämpfen.
- Fachwissen und Datenzugriff sind – zusammen mit einem Verständnis für Methoden der Datenanalyse – die wichtigsten Faktoren für positive Ergebnisse.
- Data Science und Alteryx können Ihnen helfen, die Welt zu verändern.
Bleiben Sie dran.
ERKUNDEN
Hier ist ein weiterer toller Artikel, in dem erläutert wird, wie Unternehmen Behörden helfen, Maßnahmen gegen COVID‑19 zu ergreifen.
ANSEHEN
In diesem aufgezeichneten Webinar Die Grenze des Machbaren: Data Analytics und KI-Innovation im Gesundheitswesen erfahren Sie, wie aktuelle und zukunftweisende Trends in der Datenanalyse und künstlichen Intelligenz (KI) die Innovation im vom Umbruch geprägten Gesundheitswesen antreiben.