Münster (mfm/nn) – Wie lassen sich aus großen medizinischen Datensätzen nicht nur Zusammenhänge, sondern echte Ursachen erkennen? Mit dieser Frage beschäftigt sich das Forschungsprojekt CausalAI4Health von Dr. Adèle Ribeiro am Institut für Medizinische Informatik der Universität Münster. Für ihr Vorhaben erhält die Wissenschaftlerin einen Postdoc Starting Grant des Bundesministeriums für Forschung, Transfer und Raumfahrt in Höhe von 1,5 Millionen Euro. Die Förderung läuft über fünf Jahre.

Viele medizinische Studien zeigen, dass bestimmte Merkmale gemeinsam auftreten – etwa ein Biomarker und eine Erkrankung. Ob eines davon tatsächlich das andere beeinflusst, bleibt jedoch oft unklar. Genau hier setzt CausalAI4Health an: Dr. Ribeiro entwickelt ein benutzerfreundliches, KI-gestütztes Programmiergerüst („Framework“), das Forschenden helfen soll, Ursache-Wirkungs-Zusammenhänge in komplexen medizinischen Daten aufzudecken. Das Framework verbindet Methoden der Künstlichen Intelligenz mit statistisch abgesicherten Verfahren. „Wir setzen KI ein, um komplexe, nichtlineare Muster in großen Datensätzen aus unterschiedlichen Quellen zu identifizieren“, erklärt Dr. Ribeiro. „Gleichzeitig verwenden wir strenge statistische Methoden, um formale Garantien zu bieten, Unsicherheiten zu quantifizieren und das Fachwissen von Fachleuten systematisch einzubeziehen.“ So soll vermieden werden, dass scheinbare Zusammenhänge falsch interpretiert werden.

Ein wichtiger Bestandteil des Ansatzes ist die systematische Einbindung von medizinischem und biologischem Fachwissen. Beides fließt als feste Rahmenbedingung in die Analyse ein und hilft, Ergebnisse zu überprüfen und einzuordnen. Darüber hinaus berücksichtigt das Framework typische Probleme realer Gesundheitsdaten – etwa fehlende Angaben, Messfehler oder Unterschiede zwischen Kliniken und Ländern. Ein weiterer Schwerpunkt liegt auf der den Datenschutz berücksichtigenden Zusammenarbeit über Standorte hinweg. Mithilfe sogenannter föderierter Lerntechniken lassen sich Daten aus verschiedenen Kliniken gemeinsam auswerten, ohne dass sensible Informationen weitergegeben oder zentral gespeichert werden müssen. So können die Projektbeteiligten größere und aussagekräftigere Datengrundlagen nutzen.

Das Framework ist für unterschiedliche Datentypen ausgelegt – von klinischen Texten über bildgebende Verfahren bis hin zu genetischen und molekularen Informationen. Eingesetzt werden soll es unter anderem bei Infektionskrankheiten wie Malaria, bei Langzeitfolgen von Infektionen wie Post-COVID-19 sowie bei Herz-Kreislauf-Erkrankungen und in der Notfallversorgung. Die Datensätze stammen unter anderem aus Brasilien, Peru, Deutschland und dem Vereinigten Königreich. „Nur durch das Verständnis kausaler Zusammenhänge in medizinischen Studien können Forschende gezielte Therapien entwickeln, Risiken korrekt vorhersagen und wirksame Präventionsmaßnahmen ableiten,“ so Dr. Ribeiro. „Die Förderung gibt mir die Möglichkeit, ein innovatives Projekt umzusetzen, das reale medizinische Herausforderungen adressiert und Patientinnen und Patienten direkt zugutekommt.“ 

Dr. Ribeiro promovierte an der Universität São Paulo und forschte anschließend als Postdoktorandin im Bereich der kausalen Künstlichen Intelligenz an der Columbia University in New York. Seit 2022 arbeitet sie in der Arbeitsgruppe Machine Learning for Biomedical Data von Prof. Dominik Heider am Institut für Medizinische Informatik der Universität Münster.