Mayo Clinic Platform zeigt KI-Potenzial in vier klinischen Forschungsprojekten

Die Mayo Clinic Platform (MCP), eine sichere, skalierbare, cloudbasierte Umgebung, die darauf ausgelegt ist, multi-institutionelle, de-identifizierte klinische Daten mit fortschrittlichen Analysewerkzeugen zu integrieren, hat ihre Leistungsfähigkeit in vier klinischen Forschungsprojekten demonstriert, die KI-gestützte Anwendungen im Gesundheitswesen aufzeigen.

Die Plattform adressiert zentrale Herausforderungen aktueller Ansätze: die Integration heterogener Datensätze bei gleichzeitigem Schutz der Privatsphäre, die Weiterentwicklung von Modellen über rein retrospektive Designs hinaus, die Bereitstellung nutzbarer KI-Tools für nicht-technische medizinische Fachkräfte sowie die Einbettung von Expert-in-the-loop-Workflows über No-Code-Oberflächen. MCP ist nicht lediglich ein Datenarchiv, sondern eine praxisnahe Infrastruktur für KI-Entwicklung und klinische Validierung in der realen Versorgung.

Im ersten Projekt wurden randomisierte, kontrollierte Studien (randomized controlled trials) zur Arzneimittelwirksamkeit bei Patient:innen mit Herzinsuffizienz mithilfe von Beobachtungsdaten simuliert, um eine wiederverwendbare Pipeline für Forschung zur vergleichenden Wirksamkeit (comparative effectiveness research) zu erstellen. Das zweite Projekt untersuchte den Einfluss antihypertensiver Medikamente auf die Alzheimer-Krankheit (Alzheimer's Disease) und verwandte Demenzen bei hypertonen Patient:innen mit leichter kognitiver Beeinträchtigung und bestätigte frühere Zusammenhänge mittels Überlebenszeitanalyse.

Im dritten Projekt wurde ein Deep-Learning-Modell entwickelt, um anhand longitudinaler EHR-Daten die Progression von leichter kognitiver Beeinträchtigung zur Alzheimer-Krankheit (Alzheimer's Disease) vorherzusagen; dabei wurde die Anwendbarkeit über unterschiedliche Gesundheitssysteme hinweg gezeigt. Im vierten Projekt wurde ein KI-Modell erstellt, um schwere unerwünschte kardiovaskuläre Ereignisse nach Lebertransplantation zu prognostizieren und so eine bessere Risikostratifizierung und Präventionsstrategien zu unterstützen.

Über diese Projekte hinweg erzielte MCP wesentliche Ergebnisse, darunter reproduzierbare Forschungspipelines, validierte Befunde und fortgeschrittene Vorhersagemodelle. Die Plattform bietet klare Vorteile gegenüber konventionellen Modellen, darunter die Integration multi-institutioneller Daten, weitreichende Standardisierung auch für unstrukturierte Notizen, datenschutzwahrender Zugang sowie Toolsets, die sowohl für technische als auch nicht-technische Forschende nutzbar sind. Diese Merkmale verkürzen Zeitpläne, verbessern die Modellvalidierung und erweitern Kooperationsmöglichkeiten in der Präzisionsmedizin.

Die berichteten Arbeiten fokussierten ausschließlich auf strukturierte EHR-Daten, doch MCP unterstützt auch unstrukturierte Notizen, Bildgebung und Genomik. Mit der Integration dieser Modalitäten werden die Vorhersagekraft und die klinische Relevanz multimodaler KI-Modelle deutlich zunehmen. Die Plattform nutzt ein breites Spektrum standardisierter klinischer Daten, fortgeschrittene Analytik und kollaborative Netzwerke wie das Mayo Clinic Care Network, um die Patientenversorgung zu verbessern und gesundheitliche Ergebnisse effizienter zu gestalten.

MCP ermöglicht im Vergleich zu institutionellen EHR-Systemen eine breitere Zugänglichkeit und Standardisierung und positioniert sich damit als leistungsstarke Plattform zur Förderung translationaler Forschung und der Präzisionsmedizin. Das Plattformmodell verbindet technische Leistungsfähigkeit mit operativer Inklusivität und koppelt eine leistungsstarke Infrastruktur mit Zugänglichkeit, regulatorischer Konformität und Reproduzierbarkeit.