Keine Frage, die Biowissenschaften sind schon weit vorangekommen – man denke nur an die Entschlüsselung des menschlichen Genoms. Aber genetische Veränderungen neuer Erregerstämme bei einem Krankheitsausbruch zu identifizieren, das dauert immer noch sehr lange. So können beispielsweise manche Salmonellen Lebensmittelvergiftungen verursachen, während andere sehr viel mehr Schaden im ganzen Körper anrichten. Ein Forscherteam, dem auch das Helmholtz-Institut für RNA-basierte Infektionsforschung in Würzburg angehört, will den Identifizierungsprozess mithilfe maschinellen Lernens verkürzen. Es hat deshalb eine Software entwickelt, die analysiert, welche Mutationen entscheidend in der Krankheitsentwicklung sind. Das Programm wurde darauf trainiert, gezielt wichtige Unterschiede zwischen Salmonellenstämmen zu erkennen. Es erkannte daraufhin fast 200 Gene, die Einfluss darauf haben, welche Krankheit die Salmonellen hervorrufen.

Damit kann bei neuen Bakterienstämmen auch festgestellt werden, ob sie ein potenzielles Risiko für die öffentliche Gesundheit sind. Und zwar in Sekundenschnelle – und nicht in mühevoller und wochenlanger Kleinarbeit. Das Tool kann weltweit eingesetzt werden, ist nicht auf Salmonellen beschränkt und hat seinen ersten Praxistest bereits bestanden.

Viele weitere Projekte ergründen derzeit das Potenzial von Machine Learning auch für andere Bereiche der Medizintechnik. So werden im Screening-Bereich bereits Klassifizierungsalgorithmen bei Brust- oder Lungenkrebs eingesetzt, berichtet medica.de . Darüber hinaus werden chemische Verbindungen maschinell untersucht , um bessere Medikamente entwickeln zu können. Vielversprechend klingt auch ein US-amerikanischer Test, den das Ärzteblatt vorgestellt hat: Sechs Schlüsselworte und maschinelles Lernen reichten, um suizidgefährdete von psychisch gesunden Menschen zu unterscheiden.