Smarte Arzneimitteldistribution dank Twitter

Auch wenn dieser Tweet nicht echt ist, so wird doch weltweit jetzt gerade in diesem Moment unzählige Male etwas in dieser Art gepostet. Jeder einzelne Beitrag auf einem Sozialen Netzwerk für sich alleine genommen ist dabei nicht wirklich interessant. Aber schaut man alle Beiträge gleichzeitig an – so ergeben sich Muster, die man auch für die Arzneimittelversorgung durch die Apotheke vor Ort bestens nutzen kann.

Die Herausforderung bei Erkältungsviren ist doch, dass sie sich so verhalten, als wären sie intelligent, sich schnell entwickeln, unsichtbar sind und sich in dicht besiedelten Bevölkerungsgruppen schnell ausbreiten. Aber durch Menschen, die ihr Leid auf Twitter klagen (Grippesymptome passen gut in 280 Zeichen rein!), werden die Viren sichtbar gemacht. Und sobald man etwas sehen kann, kann man auch etwas dagegen tun.

Das Elend liebt Gesellschaft. Grippeviren auch.

In Japan gibt es dafür schon seit 2011(!) eine App namens „Kazemill“ – auf Deutsch: „sehe die Grippe.“ Sie wandelt, gestützt auf eine Technologie, die man heute als „enge künstliche Intelligenz“ bezeichnen würde, die für Menschen unverständliche Kakophonie auf Twitter in öffentliche Gesundheitsdaten um. Ganz konkret durchsucht Kazemill Tweets nach Begriffen wie „laufende oder verstopfte Nase,“ „Fieber,“ „Halsschmerzen,“ oder „Kopfschmerzen.“ Verknüpft mit den Geodaten, die Twitter bei jedem Post mit hinterlegt, ergibt sich dadurch eine geographische Verlaufskarte – in Echtzeit. Nutzer der App können die Virenprognose für ihre jeweilige Präfektur einsehen und entsprechende Vorkehrungen treffen. Verbraucher greifen dann also zum Mundschutz, der ja in Japan ohnehin fast schon als modisches Accessoire durchgeht, und Apotheker bevorraten sich rechtzeitig mit genügend Impfstoff, oder, nach Ausbruch der Epidemie, mit Mitteln zur Linderung.

Dass das auch anderswo funktioniert, hat ein Forscherteam der Northeastern University aus Boston, Massachusetts, vor einiger Zeit nachgewiesen. Von der Methode her wurden in diesem Projekt Beiträge auf Twitter verwendet und mit Schlüsselparametern der jeweiligen Epidemie kombiniert. Dazu gehört u.a. die Inkubationszeit der Krankheit, die Immunisierungsrate, die Anzahl der Personen, die mit dem Virus infiziert werden können, und die vorhandenen Virusstämme.

Nachdem dieses Modell mit den offiziellen Influenza-Überwachungssystemen verglichen wurde, hat sich gezeigt, dass es die Krankheitsentwicklung bis zu sechs Wochen im Voraus genau vorhersagt – deutlich früher als andere Modelle, die im besten Fall immer noch eine Woche Verspätung haben. So lange dauert es nämlich, bis die Daten aus den Arzt- und Kliniksystemen zentral zusammengefasst und ausgewertet sind. Auch in den USA will man hieraus nun die präventive Bereitstellung medizinischer Ressourcen im Voraus planen und Kampagnen ins Leben rufen, um Menschen zu vorbeugenden Maßnahmen wie Schutzimpfungen und gründlichem Händewaschen zu ermutigen.

In dem Projekt der Northeastern University wurde ausschließlich mit Twitter-Daten gearbeitet und alleine damit wurden auch diese tollen Fortschritte erzielt. Die Forscher legten aber großen Wert auf die Feststellung, dass das Modell sehr wohl auch auf Daten aus beliebig vielen anderen digitalen Quellen zugreifen kann und dadurch noch ausgefeiltere Prognosen treffen könne. Zum Beispiel würden sich auch Online-Befragungen von Patienten eignen, wie das vom Robert-Koch-Institut betriebene GrippeWeb in Deutschland. Lässt man sich dort registrieren, bekommt man einmal in der Woche Fragen zum Gesundheitszustand per Mail. Auch daraus lassen sich regionale Verläufe und Schwerpunkte einer Influenza gut ermitteln.

Soziale Netzwerken enthalten wertvolle Daten darüber, welche Medikamente wo benötigt werden. Zeit, diese Datenquelle intensiver zu nutzen!

In Zeiten von Lieferengpässen sollte man sich mit diesem Sonderfall der Prävention unbedingt intensiver auseinandersetzen. Vernetzte Systeme von Apotheken und Großhändlern wüssten so im Voraus schon, wo welcher Bedarf wann entstehen wird. Wenn die Ware dann tatsächlich benötigt wird, ist sie schon da und muss nicht erst von einer anderen Niederlassung angefordert werden. Außerdem könnten weitere Parameter in die Modelle hinzugefügt werden, zum Beispiel ob es Kindergärten, Schule oder Altenheime in der Region gibt. Am Ende wird sich herausstellen, dass es zur Vorhersage nicht das eine Modell gibt, sondern ein ganzes Bilderbuch von Modellen, die uns bei der Neugestaltung der Arzneittelversorgung helfen werden.