Download PDF
TumorDiagnostik & Therapie 2016; 37(06): 312-315
DOI: 10.1055/s-0042-109379
Schwerpunkt: Big Data in der Onkologie
Georg Thieme Verlag KG Stuttgart · New York

Übersicht – Chancen und Herausforderungen von Big Data in der Onkologie

M. Schlesner
Further Information

Publication History

Publication Date:
29 August 2016 (online)

Also available at
    Permissions and Reprints

Als Big Data bezeichnet man Daten, die in dreierlei Hinsicht groß sind:

  • großes Volumen

  • große Geschwindigkeit, mit der die Daten generiert werden und daher auch verarbeitet werden müssen

  • große Bandbreite von Datentypen

In der Onkologie werden große Datenmengen zum einen durch hochauflösende Analysen – Genomanalysen, Proteomics (das Inventar aller Proteine einer Zelle) oder Metabolomics (alle Metabolite) – sowie Hochdurchsatz-Bildgebungsverfahren für radiologische und zunehmend auch histologische Untersuchungen erzeugt. Zum anderen werden vermehrt Gesundheitsdaten gesammelt und ausgewertet – etwa in speziell angelegten Studien wie der Nationalen Kohorte, die Daten zum Gesundheitszustand von über 200 000 Menschen zwischen 10 und 69 Jahren über einen Zeitraum von bis zu 20 Jahren erfasst.

Für die Big-Data-Anwendungen in der Medizin nicht weniger bedeutsam sind aber Gesundheitsdaten, die außerhalb von Studien erhoben werden. Hierzu zählen die elektronische Patientenakte, aber auch Daten von Fitness-Apps, von Wearables oder aus sozialen Netzwerken [1], [2]. Mit Big-Data-Technologien lassen sich diese Daten gemeinsam auswerten, um Korrelationen und Muster zu identifizieren und dadurch medizinisch oder klinisch relevante Zusammenhänge aufzudecken. Beispiele sind die individualisierte Krebsmedizin, die Bestimmung von Risikofaktoren und tumorprotektiven Faktoren durch die Verknüpfung von Lifestyle-Daten und Patientenakten sowie die Identifizierung genetischer Prädispositionen aus genomischen Daten und Patientendaten.