In Foren, auf Blogs und in sozialen Netzwerken tauschen sich Patienten über Krankheiten, Behandlungen und Nebenwirkungen aus. Dieser breite Erfahrungsschatz steht Medizinern und der Pharmaforschung bisher jedoch nicht systematisch zur Verfügung. Zugleich ist dieser Austausch aber auch ein Nährboden für Falschinformationen. Computerlinguisten vom Institut für Maschinelle Sprachverarbeitung (IMS) der Universität Stuttgart arbeiten an Methoden, Netzwerke automatisiert nach solchen Inhalten zu durchsuchen und sie zu strukturieren.
„Achtung, ich könnte mich in den nächsten Wochen häufiger über Schmerzen beklagen“, warnt die Twitter-Nutzerin alle diejenigen, die ihren Nachrichten bei dem Mikroblog-Netzwerk folgen. Sie werde von einem Schmerzmittel auf ein anderes umsteigen, schreibt die Frau. Für Dr. Roman Klinger, Akademischer Oberrat am IMS, sind solche Tweets von großem Interesse: Er entwickelt Methoden, um die Informationen, die in sozialen Netzwerken ausgetauscht werden, automatisiert nach biomedizinischem Wissen zu durchsuchen und es mit dem zu verknüpfen, das aus der medizinischen Forschung bekannt ist. Dabei müssen er und sein Team mit zwei völlig unterschiedlichen Herausforderungen umgehen.
Kombination aus Fachwissen und Emotion
Zum einen ist da das medizinische Fachwissen. Das sei meist in Form schwer zugänglicher Daten abgelegt, berichtet Klinger: Fast immer müssten Forscher, Mediziner und informierte Laien große Mengen von Literatur wälzen, wenn sie alle relevanten Informationen zu einer Erkrankung sammeln wollten. „Wenn ich beispielsweise wissen möchte, welche Proteine oder Gene bekannt sind, die bei der Bildung von Krebs eine Rolle spielen, dann gibt es dazu Datenbanken“, erklärt Klinger. „Aber die neuesten Erkenntnisse finden sich immer nur in wissenschaftlichen Veröffentlichungen.“ In einem seiner Projekte untersuchte er deshalb, wie man diese Informationen automatisiert aus Veröffentlichungen herausziehen, strukturieren und in die Datenbank einfügen kann. Denn diese lässt sich mit einer Suchmaschine durchforsten. „So kann ich einen Krankheitsnamen anfragen, die Suchmaschine findet alle Dokumente, in denen diese Krankheit auftaucht, und listet alle Proteine auf, die in diesen Texten erwähnt werden.“
Als Nächstes will Klinger diese Daten mit subjektiven Informationen zum persönlichen Empfinden verknüpfen. In den vergangenen Jahren hatte sich der Wissenschaftler damit beschäftigt, wie sich Art, Ursache und Ziel von Emotionen in Texten ermitteln lassen. So entstand bei ihm die Frage: „Welche Informationen zu biomedizinischem Wissen finden sich in sozialen Medien?“ Betroffene äußern sich in der Regel emotional zu Krankheiten und Medikamenten. „Emotionen können auf sehr unterschiedliche Weise und implizit formuliert werden“, verdeutlicht Klinger am Beispiel der Twitter-Nutzerin mit Nervenschmerzen. Bereits vier Tage nach der ersten Nachricht schrieb sie: „Die Schmerzen sind viel besser. Aber die Schlaflosigkeit wird jede Nacht schlimmer.“ Schon die kurze Zeitspanne ist für Klinger in der Analyse interessant: „Das zeigt: Sie erwartet, dass es schnell wirkt.“ Dass das Medikament rasch wirke, ermögliche wiederum eine Emotionsanalyse. „Die Aussage ist zunächst eine Aufwertung des neuen Medikaments und gleichzeitig eine Abwertung des alten. Aber dann nennt sie die Nebenwirkung: Schlaflosigkeit. Das wertet das neue ab.“
Wir haben ein Verfahren entwickelt, mit dem wir automatisch erkennen können, zu welcher Kategorie ein Autor gehört: Ist es ein Arzt, ein Patient, ein Angehöriger oder vielleicht ein Experte aus der Industrie?
Dr. Roman Klinger
Bislang Unbekanntes wird sichtbar
Zuvor galt es jedoch zu klären, wer überhaupt über Krankheiten twittert oder bloggt. Das untersuchte einer von Klingers Master-Studenten. „Wir haben ein Verfahren entwickelt, mit dem wir automatisch erkennen können, zu welcher Kategorie ein Autor gehört: Ist es ein Arzt, ein Patient, ein Angehöriger oder vielleicht ein Experte aus der Industrie?“ Darauf aufbauend will Klinger nun Regeln und Werkzeuge finden, um die Inhalte selbst zu analysieren. Dabei sind das Krankheitsbild und die daraus folgenden medizinischen Umstände, das eingenommene Medikament, möglicherweise auftretende Nebenwirkungen sowie die Bewertung dieser Nebenwirkungen interessant. „Das alles wollen wir in sozialen Medien erkennen und bis in etwa zwei Jahren mit den Äußerungen aus wissenschaftlichen Texten verknüpfen können“, kündigt Klinger an. „Dann würden in den Datenbanken nicht mehr nur die wissenschaftlichen Erkenntnisse zu einer Krankheit zu finden sein, sondern auch die Informationen von Betroffenen.“
Warum das sinnvoll wäre, zeigt der Twitter-Verlauf bei besagter Schmerzpatientin: Sie bekam den Rat, gegen die Schlaflosigkeit ein weiteres Medikament dazuzunehmen. „Wenn man solche Gespräche im großen Maßstab auswertet, erfährt man, welche Medikamente kombiniert werden und warum“, so Klinger. Bislang gebe es dazu praktisch keine Forschung, schon gar nicht mit deutschsprachigen Texten. Die Relevanz liegt auf der Hand: Auf diese Weise ließen sich Nebenwirkungen identifizieren, von denen Ärzte und Pharmafirmen bislang noch nichts wissen. In drastischeren Fällen könnte die Forschung am IMS sogar Leben retten, wie Klinger an einem anderen Beispiel zeigt. Der derzeitige USPräsident Donald Trump twitterte 2014 über ein gesundes Kind, das angeblich nach Impfungen autistisch geworden sei, und dass er viele solcher Fälle kenne. „Solche Äußerungen gibt es sehr viele. Wir können es zu unserer Aufgabe machen, wann immer jemand so etwas twittert, es mit Fakten zu hinterlegen.“ Denn dass es einen Zusammenhang zwischen Impfungen und Autismus geben könnte, ist wissenschaftlich widerlegt. „FactChecking gibt es schon länger – aber nicht für Medikamente und Krankheiten. Und es gibt kein Programm, das solche Falschinformationen automatisch mit denen aus wissenschaftlichen Publikationen zusammenführt.“ Noch nicht.
Daniel Völpel