Programmieren für Patient*innen
Dr. Heidi Seibold hat für ihre Promotion KI-Methoden für personalisierte Medizin entwickelt und sich mittlerweile als Trainerin und Beraterin für offene und reproduzierbare Datenwissenschaft selbstständig gemacht. Im Interview spricht sie über Potenziale, Hierarchien und die Unterschiede zwischen Medizin und Informatik.
Frau Seibold, Sie haben lange an der Schnittstelle von Informatik und Medizin gearbeitet. Wie offen sind Mediziner*innen für informatische Methoden?
Das ist sehr unterschiedlich. In den Neurowissenschaften etwa können heutzutage fast alle programmieren, in anderen Bereichen ist das deutlich seltener. Aber IT-Fähigkeiten werden auf jeden Fall mehr und mehr nachgefragt, weil die Studierenden und Forschenden diese für ihre Analysen brauchen. Wer mit Daten arbeitet – und das tun in der Medizin die meisten – braucht zumindest eine Software, um diese auszuwerten. Gerade junge Menschen merken, dass für ihre Forschung auch technische Fähigkeiten gefragt sind. Und wenn sie ihnen niemand beibringt, erlernen sie sie eben auf eigene Faust.
Welche Erfahrungen haben Sie in der interdisziplinären Zusammenarbeit gemacht?
Gerade in der Medizin ist alles noch sehr hierarchisch, Titel sind sehr wichtig. Als junge Frau, die nicht habilitiert ist, wurde ich oft nicht ernst genommen oder mir wurden Kompetenzen abgesprochen. Das ist in der Informatik anders: Dort wurde ich immer als Teil der Community angesehen und hatte nie solche Probleme. Eine andere Herausforderung, die mir immer wieder auffällt, ist Sprache: Wenn Biolog*innen von einem Modell sprechen, meinen Sie damit etwas ganz anderes als wir im Bereich Data Science. Je nach Fach gibt es unterschiedliche Bezeichnungen für dieselbe Sache – das ist mir schon im Studium aufgefallen, wenn ich als Statistikerin Freund*innen in anderen Studiengängen geholfen habe. In meinen Workshops versuche ich daher, die Sprache der Leute zu sprechen, mit denen ich arbeite.
Sie sind Statistikerin mit einem Schwerpunkt auf KI und Data Science. Wie sehr sind diese Technologien in der Medizin gefragt?
Das Interesse ist sehr groß. In der Medizin zeigt man gerne, dass man am Zahn der Zeit ist. Gleichzeitig ist es in diesem Feld nicht einfach, komplexere Analysen durchzuführen. Dafür braucht es gut aufbereitete Daten und natürlich die Zustimmung der Patient*innen. In der Medizin gibt es entweder geplante Studien, in denen es sehr teuer und aufwendig ist, Daten zu erheben, oder Beobachtungsdaten aus den Kliniken. Und hier wird die Weiterverwendung oft noch nicht früh genug mitgedacht – die Zustimmung von Patient*innen müsste hier von Anfang an transparent eingeholt werden. Ich sehe darin viel Potenzial, bin mir aber auch bewusst, dass das kein einfaches Unterfangen ist.
Sehen Sie weitere Potenziale, die bisher nicht genutzt werden?
Generell könnte die Digitalisierung in der Medizin noch sehr viel bewegen. Hier sind wir noch nicht so weit, wie wir sein könnten. Zu viele Informationen werden immer noch in PDF- oder Papierform festgehalten und sind dadurch nicht maschinenlesbar. Das sollte aber zum Standard werden: Nicht nur für Anwendungen der KI, sondern auch für die sinnvolle Weiternutzung dieser Daten in den Kliniken und Praxen. Bevor wir diese Basics nicht angehen, können wir als KI-Fachleute auch nicht das volle Potenzial unserer Lösungen ausschöpfen. Das ist aber oft weniger eine technische Frage, als eine soziale.
Inwiefern?
Wenn wir etwa mit Datensätzen von drei unterschiedlichen Universitätskliniken arbeiten wollen, müssen diese einheitlich strukturiert sein. Es ist aber oft gar nicht so einfach, sich über mehrere Kliniken hinweg auf einheitliche Standards zu verständigen.
Sie setzen sich für Open Science in der Medizin ein. Wie wird das Thema angenommen?
Generell, nicht nur in der Medizin, erlebe ich immer wieder, dass junge Forschende es mittlerweile als selbstverständlich ansehen, ihre Ergebnisse offen zugänglich zu machen. Sie stehen vor ihrer Promotion, wollen damit vielleicht auf der Forschung anderer aufbauen und überlegen automatisch, wie andere später wiederum gut auf ihrer Arbeit aufbauen können. Wenn man noch neu im akademischen Kontext ist, ergibt es auch erstmal gar keinen Sinn, ein Paper hinter einer Paywall zu verstecken. Ältere Forschende sind dagegen häufig der Meinung, das wäre nicht gut für ihre Karriere oder koste ihnen zu viel Zeit. Ich biete zu dem Thema auch Workshops für Doktorand*innen an und darin geht es oft darum, wie man auch die Betreuer*innen für den Ansatz begeistern kann.
„Gerade junge Menschen merken, dass für ihre Forschung auch technische Fähigkeiten gefragt sind. Und wenn sie ihnen niemand beibringt, erlernen sie sie eben auf eigene Faust.”
Wie geht man damit um, dass in der Medizin auch besonders sensible Daten zum Einsatz kommen?
Es ist ganz klar, dass die Privatsphäre der Patient*innen zuerst kommt. Ihre Daten sind sehr kostbar, deswegen müssen wir auch sehr vorsichtig damit umgehen: Privacy first, openness second. Aber hier gibt es verschiedene Lösungen. So kann für bestimmte Datensätze zum Beispiel ein Komitee eingesetzt werden, das darüber entscheidet, wer sie wofür nutzen kann. Selbstverständlich braucht es auch sichere Server, auf denen mit den Daten dann gerechnet werden kann.
Welche Technologie wünschen Sie sich für Ihre Arbeit?
Ich würde mir wünschen, dass es für Menschen ohne technisches Know-how einfacher wird, ihre Forschung offen und reproduzierbar zu machen. Hier gibt es aktuell noch zu große Hürden. Wir müssen neue Lösungen entwickeln und Prozesse und Programme nutzerfreundlicher gestalten – von der Versionskontrolle über Automatisierung bis zum Hochladen der Inhalte.
Sie haben auch einen Podcast, der sich „>reboot academia“ nennt. Worum geht es darin?
Ich beschäftige mich mit der Frage, wie die Zukunft von akademischer Forschung und Lehre aussehen könnte. Denn ich finde, hier läuft aktuell vieles falsch. Forschende stehen vor hohen Erwartungen und prekären Arbeitsbedingungen – und langweiliger Frontalunterricht ist an Hochschulen noch immer die Norm. Ich denke, das geht besser und dazu spreche ich im Podcast mit Personen, die Ideen zu guter Forschung oder Lehre haben. Informatik wird dabei auch immer wieder erwähnt, etwa wenn es um Research Software Engineering oder digitale Lehre geht.
Dieses Interview wurde von Alexandra Resch geführt und erschien zuerst in unserem Jahresbericht 2021/22. Er steht hier zum Download bereit.
