Dolmetscher zwischen Datenwissenschaft und Medizin: Keno Bressem übernimmt Professur am NCT West in Essen

1. Was hat Sie an der neuen Professur am NCT West besonders gereizt?

In Essen kommt einiges zusammen, was man selten an einem Ort findet. Der Zugang zu klinischen Daten ist exzellent, die technische Infrastruktur ebenfalls, und die Wege zwischen Klinik und Forschung sind kurz. Das Ruhrgebiet gehört zu den dichtesten Versorgungsregionen Europas, man ist also mitten im Geschehen. Dazu kam die Freiheit, ein Feld von Grund auf aufzubauen. Das hat mich insgesamt überzeugt.

2. Sie übernehmen die erste Professur für Medizinische Datenwissenschaften in der Onkologie am NCT. Welche Chance sehen Sie darin, dieses Forschungsfeld von Beginn an mitzugestalten?

Ein Forschungsfeld nicht nur zu besetzen, sondern seine Ausrichtung mit zu definieren, ist ein Privileg. Ich kann mich von Beginn an in die Strukturen des NCT und des DKTK einbringen und die Datenwissenschaft dort verankern, wo die klinischen Fragen entstehen, nämlich nah an der Klinik. Genau darin liegt für mich die eigentliche Chance, weil sich so eine eigenständige Disziplin in der Onkologie etablieren lässt.

3. Künstliche Intelligenz und maschinelles Lernen prägen Ihre Forschung. Wo sehen Sie heute das größte Potenzial dieser Methoden für die Krebsmedizin – und wo stoßen sie noch an Grenzen?

Das größte Potenzial sehe ich darin, in den vorhandenen Daten Merkmale zu erkennen, die bisher übersehen wurden. In den bereits erfassten Daten der Kliniken schlummert sehr viel Information, die wir bisher kaum heben. Mit datengetriebenen Verfahren lassen sich Patientengruppen und Muster identifizieren, die sich einer klassischen Analyse aktuell entziehen.

Die Grenzen zeigen sich im sogenannten Long Tail. Die Krebsbehandlung wird immer komplexer und individueller, und genau dort werden die Fallzahlen klein. Für häufige, klar umrissene Aufgaben funktionieren die Methoden hervorragend, bei seltenen Konstellationen saturiert die Performance. KI lernt aktuell noch immer vor allem aus sehr vielen Daten. Gerade bei selteneren Erkrankungen oder komplexeren Behandlungen kommen diese Methoden aber an ihre Grenzen.

Bisher haben wir vor allem KI-Methoden angewendet, die für ganz andere Bereiche entwickelt wurden. Der nächste Schritt besteht darin, KI-Methoden gezielt für die Medizin zu entwickeln.

4. Das NCT verfolgt das Ziel, neue Erkenntnisse möglichst schnell zu den Patientinnen und Patienten zu bringen. Wie kann Datenwissenschaft dazu beitragen, diesen Weg zu verkürzen?

In-silico-Forschung ist hier eine Möglichkeit. Wenn ich in einer retrospektiven Zehnjahreskohorte belastbare Zusammenhänge finde, bestätigen sich diese prospektiv mit deutlich höherer Wahrscheinlichkeit, als wenn eine Hypothese vollkommen neu aufgestellt wird. Datenwissenschaft hilft also, die richtigen Fragen zu stellen, bevor eine Studie überhaupt beginnt. Das spart Zeit und Ressourcen und schont die Patientinnen und Patienten.

5. Ihre Professur soll standortübergreifend multimodale Forschungsdaten im erweiterten NCT nutzen. Welche Möglichkeiten eröffnet diese Zusammenarbeit über sechs NCT Standorte hinweg?

Generalisierbarkeit ist ein zentrales Problem der medizinischen KI. Ein Modell funktioniert am eigenen Standort oft sehr gut und extern deutlich schlechter. Wenn ein Verfahren dagegen an sechs Standorten mit unterschiedlichen Populationen und Prozessen funktioniert, ist die Wahrscheinlichkeit hoch, dass es auch am siebten funktioniert. Das erweiterte NCT ist damit eine der stärksten Infrastrukturen, die man sich für diese Frage vorstellen kann, mit vielen Kliniken, vielen Menschen und großen Datenmengen.

6. Sie arbeiten an der Schnittstelle von Informatik, Datenwissenschaft und Medizin. Was braucht es aus Ihrer Sicht, damit Forschende, Ärzt:innen und Datenwissenschaftler:innen erfolgreich zusammenarbeiten?

Es ist zu einem großen Teil Dolmetscherarbeit. Die Denkweisen unterscheiden sich deutlich, ebenso die Arbeitsweisen und die Publikationskulturen. Was in der Informatik als Erfolg gilt, zählt in der Klinik manchmal wenig, und umgekehrt. Das fällt mir selbst nicht immer leicht. Es braucht deshalb viel Gespräch und einen wirklich tiefen Austausch, der über gemeinsame Projektanträge hinausgeht. Meine Aufgabe sehe ich darin, zwischen den Feldern zu übersetzen und in beide Richtungen Tiefe zu ermöglichen.

7. Die Professur wird auch KI-gestützte Werkzeuge für akademische klinische Studien entwickeln. Worauf freuen Sie sich bei dieser Aufgabe besonders?

Akademische Studien konkurrieren mit einem Umfeld, das über sehr viel mehr Ressourcen verfügt. Genau hier können KI-gestützte Werkzeuge einen echten Unterschied machen, etwa bei der Identifikation geeigneter Patientinnen und Patienten oder bei der Nutzung von Routinedaten für die Studiendurchführung. Mich reizt daran besonders die kurze Strecke zur Anwendung. Werkzeuge, die Studienteams spürbar entlasten, machen vielleicht manche akademische Studie überhaupt erst durchführbar.

8. Ein weiterer Schwerpunkt Ihrer Professur ist die Förderung des wissenschaftlichen Nachwuchses und die Mitgestaltung der NCT School of Clinical Cancer Research. Was möchten Sie jungen Wissenschaftler:innen mit auf den Weg geben?

Sucht euch Probleme, auf deren Antwort jemand wartet, am besten eine Ärztin oder ein Arzt aus der eigenen Klinik. Methodische Tiefe entsteht am konkreten Problem. Traut euch außerdem, die Sprache der jeweils anderen Seite zu lernen, denn wer klinisches Denken und Programmieren miteinander verbindet, hat es in diesem Feld leichter. Dafür braucht es Geduld, weil die interessanten Fragen selten in drei Monaten beantwortet sind. Aktuelle Entwicklungen in der KI machen das noch wichtiger. Das Bottleneck verschiebt sich immer mehr von der puren Ausführung hin zur Planung und Orchestrierung. Wenn man sich in beiden Bereichen nicht gut genug auskennt, läuft man Gefahr, sehr schnell in die falsche Richtung zu rennen und an Problemen zu arbeiten, die eigentlich nicht relevant sind.

9. Gab es in Ihrem bisherigen Weg einen Rat oder eine Begegnung, die Sie bis heute begleitet – und die Sie selbst gern an Ihren wissenschaftlichen Nachwuchs weitergeben?

Wenn etwas komplex wird und schwer zu verstehen ist, ist man oft auf dem richtigen Weg. Einfache Dinge führen oft nicht zu neuen Erkenntnissen. Also nicht abschrecken lassen. Gerade KI wirkt immer hoch kompliziert, aber wenn man sich einen kleinen Bereich herausnimmt und schrittweise daran arbeitet, dann kommt das Verständnis. 

Blick nach vorn:

Mit dem Start seiner Professur beginnt für Keno Bressem eine neue Phase seiner wissenschaftlichen Arbeit in Essen. Er verbindet klinische Erfahrung mit datenwissenschaftlicher Expertise und will die Medizinische Datenwissenschaft als eigenständiges Forschungsfeld in der Onkologie etablieren.

Durch die standortübergreifende Zusammenarbeit im erweiterten NCT sollen neue Methoden nicht nur entwickelt, sondern auf ihre Übertragbarkeit geprüft und möglichst schnell in die klinische Forschung gebracht werden.

Wir danken Keno Bressem für das Gespräch und wünschen ihm einen erfolgreichen Start beim Aufbau seiner Professur am NCT West.