Arzneimitteltherapie sicherer machen: Mit Big Data lassen sich unbekannte Wechselwirkungen aufspüren

Michael van den Heuvel

Interessenkonflikte

12. Oktober 2016

Um Pharmakotherapien sicherer zu machen, setzen Ärzte und Apotheker gleichermaßen auf Medikationsanalysen. Jetzt zeigen Forscher am Beispiel von Verlängerungen der QT-Zeit, wie es gelingt, seltene Interaktionen per Data-Mining zu identifizieren. Ihr methodischer Ansatz lässt sich auf alle Interaktionen übertragen.

Wissenschaftler der Weltgesundheitsorganisation WHO führen bis zu 10% aller stationären Krankenhausbehandlungen auf unerwünschte Arzneimittelereignisse zurück. Ärzten und Apothekern aus Deutschland ist die Problematik nur allzu vertraut. Seit 1. Oktober haben bekanntlich Versicherte, die 3 oder mehr Arzneimittel als Dauertherapie erhalten, Anspruch auf Zusammenstellungen in Papierform.

„Ein Medikationsplan ist sinnvoll, ohne begleitende Medikationsanalyse und kontinuierliches Medikationsmanagement allerdings nur ein erster Schritt“, kritisiert Dr. Andreas Kiefer, Präsident der Bundesapothekerkammer (BAK), in einer Pressemeldung. „Aber es ist ein Konstruktionsfehler und eine Schieflage, dass beim Umgang mit dem Medikationsplan die Fachkompetenz der Apotheker nicht stärker eingebunden wird.“ Bleibt als weiteres Problem, dass selten auftretende Wechselwirkungen in der Praxis nicht systematisch erfasst werden. Jetzt zeigen Tal Lorberbaum und Dr. Nicholas P. Tatonetti von der Columbia University New York, USA, welchen Beitrag Data-Mining leisten kann.

Nadeln im Heuhaufen gefunden

Als Nebenwirkung wählten sie exemplarisch eine QT-Zeit-Verlängerung, die durch zahlreiche Arzneimittel ausgelöst werden kann. Dazu gehören Antiarrhythmika, Makrolide, Gyrasehemmer, tri- und tetrazyklische Antidepressiva sowie SSRI und SNRI.

Entsprechende Pharmaka hemmen den HERG-Kanal (human ether-a-go-go-related gene). Diese molekulare Struktur ist für den schnellen Ausstrom von Kaliumionen zuständig. Wird sie gehemmt, kommt es zur Verlängerung der QT-Zeit bis hin zu sogenannten Torsade-de-Pointes-Tachykardien. In 10 bis 20% aller Fälle gehen diese Störungen in ein Kammerflimmern über – teilweise mit tödlichem Ausgang. Experimentelle Arzneistoffe scheitern bei der Zulassung, sollten sie die QT-Zeit beeinflussen. Inwieweit Wechselwirkungen mehrerer Arzneistoffe zu ähnlichen Effekten führen, ist weitgehend unbekannt.

Deshalb setzten Lorberbaum und Tatonetti auf das Data-Mining. Ihr Ziel war, in großen Datenbergen mit statistischen Methoden relevante Zusammenhänge zu entdecken. Sie verwendeten die sogenannte „Signal Detection Algorithms to Identify Drug Effects and Drug Interactions“ und screenten damit 2 unabhängige Quellen. Rund 1,8 Millionen Datensätze erhielten sie aus dem Adverse Event Reporting System der US Food and Drug Administration (FDA). Hinzu kamen 1,6 Millionen Elektrokardiogramme von 382.221 Patienten, die zwischen 1996 und 2014 im Columbia und New York-Presbyterian Hospital behandelt worden waren.

Lorberbaum und Tatonetti fanden recht überraschend, dass der Protonenpumpenhemmer (PPI) Lansoprazol und das Cephalosporin Ceftriaxon in Kombination zu längeren QT-Intervallen führen. Rund 40% aller Patienten, die beide Arzneistoffe erhielten, hatten Werte über 500 Millisekunden. Das entspricht der Obergrenze laut FDA-Angaben.

Speziell bei Männern, die beide Arzneistoffe einnahmen, war der Wert 12 Millisekunden länger als bei Patienten, die entweder nur Lansoprazol oder nur Ceftriaxon erhielten. Die Forscher bestätigten ihre Hinweise anschließend mit elektrophysiologischen Experimenten. Sie fanden heraus, dass Lansoprazol plus Ceftriaxon einen Ionenkanal hemmt. Cefuroxim, ein weiteres Cephalosporin, führte mit Lansoprazol dagegen nicht zu solchen unerwünschten kardialen Auswirkungen – weder bei der Datenauswertung noch bei Experimenten.

Für Dr. Dan M. Roden vom Vanderbilt University Medical Center in Nashville, Tennessee, USA, sind die Ergebnisse zwar nicht robust genug, um generell vor der Kombination zu warnen. Bei Risikopatienten sollten Ärzte dennoch auf andere Möglichkeiten zur Pharmakotherapie ausweichen. Roden sieht angesichts der zunehmenden Zahl an Pharmaka aber große Potenziale im Data-Mining. Prinzipiell lassen sich alle Wechselwirkungen über Data-Mining-Strategien plus Laborexperimente aufspüren.

 
Die Studie zeigt, welchen Beitrag Big Data künftig leisten können, um seltene Arzneimittel-interaktionen zu erkennen. Julia Hagen
 

Datenschutz als Hindernis?

Zu einer ähnlichen Einschätzung kommt Julia Hagen, Referentin Health & Pharma beim IT-Branchenverband Bitkom: „Die Studie zeigt, welchen Beitrag Big Data künftig leisten können, um seltene Arzneimittelinteraktionen zu erkennen.“ Gleichzeitig verweist sie auf mehrere Herausforderungen für Deutschland: „Datenschutz ist in diesem Zusammenhang ein großes Thema. Jedes Bundesland hat eigene Regelungen“, sagt Hagen.

Allerdings: Umfragen ihres Verbands zufolge  wären immerhin 37% aller Smartphone-Nutzer bereit, Daten an die Krankenkasse weiterzuleiten, falls sich die medizinische Versorgung dadurch verbessert.

Bleibt noch, verschiedene Datenquellen zu synchronisieren. Bislang hatten Arztpraxen, Krankenhäusern, Apotheken und Rehabilitationskliniken unterschiedliche Systeme, die sich nur mit großer Mühe unter einen Hut bringen ließen. Hagen: „Als Betreibergesellschaft der elektronischen Gesundheitskarte arbeitet die gematik auch an Lösungen zur Interoperabilität.“ Elektronische Patientenakten und elektronische Rezepte bieten die Chance, auch in Deutschland Big Data nach Wechselwirkungen zu durchsuchen.

 

REFERENZEN:

1. Lorberbaum T, et al: JACC 2016;68:1756-1764

2. Roden MD, et al: JACC 2016;68:1765-1768

 

Kommentar

3090D553-9492-4563-8681-AD288FA52ACE
Wir bitten darum, Diskussionen höflich und sachlich zu halten. Beiträge werden vor der Veröffentlichung nicht überprüft, jedoch werden Kommentare, die unsere Community-Regeln verletzen, gelöscht.

wird bearbeitet....