Big Data: Theoretische Medizin

In der Medizin haben Big-Data-Methoden Hochkonjunktur. Große, qualitativ hochwertige Datensätze sind eher rar. Mit der Qualität steht und fällt jedoch die Aussagekraft von Analysen in der medizinischen Forschung (DÄ 35–36/2019: „Vieles ist noch Wunschdenken“ von Amke Caliebe et al.)

Danke für den großartigen Artikel zur Methodologie von Big Data (BD), der kritisch-rational verfasst ist und so als Referenz für ausgewogene Diskurse zum Themen der digitalen Medizin (DM) gelten kann. Erfreulich ist, dass auch MAs von einem Pharma-Konzern hier mitmachen (dürfen), da leider aus dieser Branche oft – sogar Fachtexte – im ästhetisierenden Science-Fiction-Modus veröffentlicht werden, die nur PR-Charakter haben. BD (und DM), insbesondere im Kontext der molekularen Medizin (z. B. Precision Medicine), riskiert ohne methodologische Selbstkritik zur Immobilienblase der Medizin zu werden – die Versprechen werden so nicht eingelöst. 

Allerdings fehlt beim Abschnitt „Medizin als datenbasierte Wissenschaft“ der Hinweis auf die Notwendigkeit einer „theoretischen Medizin“, denn Daten ohne Theorien sind blind. Komplexitätsmathematische Analysen alleine, etwa von BD-Wetterdaten, werden ohne Theorie der Gravitation, Thermodynamik usw. wohl weder gute Prognosen noch das Verstehen des Wettergeschehens ermöglichen.

Fachtheoretisch begründete Smart Data und Small models sind dringlich angezeigt, statt einfach zu messen, was messbar ist, und dann einfach drauflos zu rechnen (Computational Medicine). Es sind also für eine nachdenkliche Medizin dringlich spezialisierte Lehrstühle für theoretische Medizin erforderlich.

Prof. Dr. med. Dr. phil. Dr. rer. pol. Felix Tretter, A-1040 Wien