[
  {
    "start": 0.0,
    "text": "Annika Henner\nJeder Mensch trägt seine genetischen Informationen in jeder einzelnen Körperzelle. Um sie zu entschlüsseln, braucht es aufwendige genetische Analysen. Doch erste Hinweise können sich schon viel früher zeigen, und zwar beim Blick ins Gesicht. Manche seltenen genetischen Erkrankungen verursachen charakteristische äußere Merkmale, die erfahrene Humangenetiker:innen erkennen können. Lange Zeit war dafür vor allem die Erfahrung einzelner Expert:innen entscheidend. Auf wissenschaftlichen Konferenzen kam es beispielsweise immer wieder vor, dass eine Ärztin oder ein Wissenschaftler einen ungelösten Fall vorstellte und jemand aus dem Publikum sich meldete und sagte: „So einen Patienten habe ich auch.“ Die beiden Fälle wurden anschließend gemeinsam untersucht und manchmal konnte auf diesem Weg eine genetische Diagnose gefunden werden. Heute kann künstliche Intelligenz dabei helfen, solche Ähnlichkeiten systematisch zu erkennen. Denn eine der großen Stärken von KI ist es, Muster in großen Datenmengen zu finden und miteinander in Beziehung zu setzen. Dabei geht es jedoch nicht darum, Krankheiten automatisch zu diagnostizieren; stattdessen unterstützen neue KI-basierte Verfahren Wissenschaftler:innen dabei, Zusammenhänge zu entdecken, manchmal sogar bei Erkrankungen, die bislang noch gar nicht beschrieben wurden. Wie funktioniert das? Wie wird aus einem Foto wissenschaftliche Informationen? Und welche Chancen eröffnet das für Menschen, die oft jahrelang auf eine Diagnose warten? Willkommen zu einer neuen Folge von „Der Code des Lebens“. Mein Name ist Annika Henner und ich spreche hier jeden Monat mit spannenden Gästen aus der Welt der Genomforschung. Heute begrüße ich gleich zwei Gäste, und zwar Herrn Prof. Dr. Peter Krawitz und Frau Dr. Adele Ruder. Beide arbeiten am Universitätsklinikum Bonn und entwickeln dort neue, computergestützte Verfahren, um genetische Erkrankungen besser diagnostizieren zu können. Herr Prof. Krawitz, können Sie sich und Ihre Forschung einmal kurz vorstellen?",
    "end": 138.0
  },
  {
    "start": 138.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, gerne. Also ich habe Medizin und Physik in München studiert, war dann während der Weiterbildung in Berlin an der Charité und bin jetzt seit knapp neun Jahren in Bonn, wo ich das Institut für Genomische Statistik und Bioinformatik aufgebaut habe. Und der Schwerpunkt unserer Forschung sind Methoden aus der Computer Vision, die wir anwenden auf medizinische Bilddaten von Patienten mit seltenen Erkrankungen. Und ganz im Vordergrund stehen bei uns die Analysen von Porträtbildern. Oder da sind wir zumindest, was die klinische Einsetzbarkeit betrifft, am weitesten. Und damit können wir weit über 1000 Erkrankungen bereits differenzieren. Und das läuft bei uns unter dem Projektnamen „GestaltMatcher“. Das ist auch der Name, den viele unserer Nutzer und zum Teil auch die Patienten jetzt schon kennen.",
    "end": 197.0
  },
  {
    "start": 197.0,
    "text": "Annika Henner\nFrau Dr. Ruder arbeitet ebenfalls am Institut für Genomische Statistik und Bioinformatik. Können auch Sie sich kurz vorstellen?",
    "end": 206.0
  },
  {
    "start": 206.0,
    "text": "Dr. Adele Ruder\nJa, sehr gerne. Ich arbeite seit knapp zwei Jahren in der Forschungsgruppe von Herrn Prof. Krawitz als Medical AI Partnerships and Project Manager. Das bedeutet, dass ich alle Aufgaben übernehme, die anfallen, um die KI-Tools, die in der Forschungsgruppe entwickelt werden, in die Praxis zu den Ärzten und zu den Patienten zu bringen.",
    "end": 230.0
  },
  {
    "start": 230.0,
    "text": "Annika Henner\nJa, vielen Dank. Dann legen wir auch direkt los. Aber bevor wir über künstliche Intelligenz sprechen, sollten wir verstehen, warum das Gesicht in der Humangenetik überhaupt so wichtig ist. Wenn Eltern mit einem Kind, das schwer krank ist, bisher aber noch keine Diagnose erhalten hat, zu einem Arzt oder einer Ärztin gehen, welche Rolle spielt das Gesicht bei der ersten Einschätzung?",
    "end": 256.0
  },
  {
    "start": 256.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, eine relativ große, das merkt man ja auch schon an dem Begriff in der Medizin der „Blickdiagnose“. Also, manche Erkrankungen sind so charakteristisch, dass man den Patienten nur anschauen muss und die Diagnose stellen kann. Vorausgesetzt, man hat sie eben gelernt an Anschauungsbeispielen. Das ist dann auch schon vielleicht die Herausforderung natürlich bei den seltenen Erkrankungen. Also selbst wenn es möglich ist, muss man natürlich die Möglichkeit haben, es zu lernen. Und warum ist jetzt das Gesicht so gut geeignet? Das muss man sich einfach als eine sehr komplexe Struktur vorstellen oder klarmachen, die in sehr viele Richtungen sich verändern kann. Oder die Freiheitsgrade dieser Form sind sehr vielfältig. Das heißt also, mehr als noch vielleicht in anderen Körperregionen können uns Veränderungen da eben leicht auffallen. Und unser Gehirn oder unsere Wahrnehmung ist auch besonders gut dafür geeignet, diese Auffälligkeiten im Gesicht zu erkennen, weil wir eben auch viel über Mimik natürlich kommunizieren. Da haben wir einen sehr guten Sensor oder eine sehr gute Wahrnehmung auch für Abweichungen in der Gestalt. Das ist auch ein Fachbegriff in dem Bereich, also in der medizinischen Genetik. Wenn man von einer richtungsweisenden oder diagnostisch relevanten Kombination an Gesichtsmerkmalen spricht, dann kann man das auch als „Gestalt“ bezeichnen. Also das, was man per Blickdiagnose erkennt, ist dann im Idealfall eine „Gestalt“, die man gelernt hat.",
    "end": 370.0
  },
  {
    "start": 370.0,
    "text": "Annika Henner\nBevor wir genauer auf die Software „GestaltMatcher“ eingehen, vielleicht eine kurze Begriffserklärung: Der Genotyp beschreibt die genetische Ausstattung eines Menschen, also die Information, die in seiner DNA steckt. Der Phänotyp hingegen umfasst die Merkmale, die sich beobachten oder messen lassen, zum Beispiel unsere Körpergröße, bestimmte körperliche Eigenschaften oder auch die Gesichtsform. Wenn Forschende solche äußeren Merkmale systematisch erfassen und mithilfe neuer Technologien für die Diagnostik nutzbar machen, spricht man vom „Next Generation Phenotyping“ – einem Begriff, der übrigens in Anlehnung an das „Next Generation Sequencing“, also dem Auslesen der DNA, entstanden ist. GestaltMatcher ist eine Möglichkeit, phänotypische Informationen mit Hilfe künstlicher Intelligenz für die genetische Diagnostik nutzen zu können. \nBisher waren es vor allem erfahrene Dysmorpholog:innen, die sich die Patient:innen angeschaut haben und versucht haben, anhand des Aussehens Rückschlüsse auf eine mögliche Erkrankung zu ziehen. Heute versucht man Muster, die auf eine genetische Erkrankung hindeuten, mathematisch zu beschreiben. Sie beide haben mir im Vorhinein ja bereits verraten, dass es ein bestimmtes Konzept braucht, um die Logik von speziellen KI-Programmen zu verstehen, und zwar den sogenannten „Latent Space“, auf Deutsch den „Latenten Raum“. Von dort aus können wir dann weiter über ihre Software GestaltMatcher sprechen. Also: Was hat es denn mit dem Latent Space auf sich und kann man sich darunter tatsächlich eine Art Raum vorstellen? Warum braucht man dieses Konzept überhaupt für die Beschreibung und den Abgleich von Gesichtern?",
    "end": 488.0
  },
  {
    "start": 488.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, also man kann sich das schon als Raum vorstellen. Oder mathematisch gesehen ist es eigentlich eine Abbildung. Man prozessiert die Bilddaten und ordnet denen eine Position eben in einem Raum zu. Und weil der sich jetzt nicht einfach darstellen lässt, wird er dann eben verborgener Raum bezeichnet. Und dadurch, das ist die generelle Funktionsweise von allen vielschichtigen Netzen, die in der KI zum Einsatz kommen. Also auch unabhängig davon, ob es um Bilddaten oder Textdaten geht. Es wird immer die Eingabe umgerechnet in eine… letztendlich eine Koordinate. Und wie dieser Raum gestaltet ist, hängt im Wesentlichen von den Trainingsdaten ab. Und weil wir eben mit den Porträts von Individuen arbeiten, bei denen wir bereits die Diagnose kennen, ist das für uns der klinische Merkmalsraum. Und wie man sich das vielleicht noch anschaulich vorstellen kann, könntest du noch erklären, Adele?",
    "end": 564.0
  },
  {
    "start": 564.0,
    "text": "Dr. Adele Ruder\nMan könnte sich das vorstellen wie einen Raum, ein Zimmer, in dem jeder Patient eine spezifische Position bekommt. Zum Beispiel eine Kombination aus großen Nasenflügeln, einer dicken Oberlippe und großen Ohren wäre dann in der linken Ecke. Oder eine dünne Oberlippe, zusammengewachsene Augenbrauen und eine große Zunge wäre vielleicht die rechte Ecke. Und ein Patient mit einer unbekannten Diagnose kann mit den Patienten, die sich bereits in dem Raum befinden, verglichen werden und dann auch einer Position im Raum zugeteilt werden.",
    "end": 609.0
  },
  {
    "start": 609.0,
    "text": "Annika Henner\nWarum reicht es beim Vergleichen von Gesichtern nicht aus, die Fotos einfach nebeneinander zu legen und dann nach Ähnlichkeiten zu suchen?",
    "end": 619.0
  },
  {
    "start": 619.0,
    "text": "Prof. Dr. Peter Krawitz\nWenn wir zwei Bilder nebeneinander betrachten, dann fokussieren wir uns ja schon auf bestimmte Merkmale. Und was eigentlich in diesem Latent Space oder dem Merkmalsraum passiert, so wie die Adele das auch schon dargestellt hat, dass wir jetzt gar nicht mehr einzelne Merkmale vergleichen müssen, sondern die sind ja gerade schon in der Position kodiert. Und dadurch hat eben jetzt jedes Bild einen Ort, an dem es ist und damit kann ich auch Distanzen messen. Und wir sind in unserer Vorstellungskraft natürlich immer eingeschränkt auf drei Dimensionen. Davon muss man sich aber lösen, weil für die KI ist es überhaupt kein Problem, in höhere Dimensionen zu gehen. Das heißt also, wir haben über 500 Dimensionen in diesem Raum und dadurch sind die Abstandsmessungen eigentlich auch erst möglich. Oder die Differenzierung dieser ganzen Merkmale ist dann sehr viel leichter. Und man kann sich das wirklich eigentlich wie in der Schulmathematik vorstellen. Man berechnet Distanzen, nur dass sie halt im höherdimensionalen Raum stattfinden.",
    "end": 700.0
  },
  {
    "start": 700.0,
    "text": "Dr. Adele Ruder\nWas da vielleicht auch noch eine Rolle spielt, ist, dass ich als Mensch natürlich auch voreingenommen sein kann. Zum Beispiel, wenn ich ein Gesicht anschaue, was mir sympathisch erscheint, habe ich vielleicht eine andere Einschätzung davon als ein Gesicht, das mir weniger sympathisch erscheint. Oder wenn ich zwei Gesichter anschaue, in dem der eine Mensch jünger ist und der andere älter, die aber beide vielleicht die gleichen charakteristischen Merkmale haben, wird mir vielleicht der Altersunterschied als erstes auffallen.",
    "end": 732.0
  },
  {
    "start": 732.0,
    "text": "Prof. Dr. Peter Krawitz\nGenau. Und also der Begriff in der Computer Science oder im Maschinellen Lernen wäre, man versucht in der Analyse die Störgrößen zu reduzieren. Also das ist immer ein ganz wesentlicher Punkt bei dem Design von Experimenten, dass man eben sich nicht durch Alter, emotionale Ausdrücke beeinflussen lässt, sondern dann wirklich das detektiert, was die Fragestellung ist, die klinisch relevanten Merkmale.",
    "end": 767.0
  },
  {
    "start": 767.0,
    "text": "Annika Henner\nDas heißt, nur zum Verständnis: Menschen, die sich – wie auch immer geartet – in irgendeiner Form ähnlichsehen, sind dann mit ihren Punkten in diesem unfassbar vieldimensionalen Raum einfach näher beieinander?",
    "end": 783.0
  },
  {
    "start": 783.0,
    "text": "Prof. Dr. Peter Krawitz\nGenau, aber da ist eben die Frage, wie ist Ähnlichkeit definiert. Ähnlichkeit ist in dem Fall gewichtet auf klinisch relevanten Merkmalen. Also wir wollen zum Beispiel den, ich nenne jetzt einfach mal ein Syndrom, wir wollen den Patienten mit Cornelia-de-Lange-Syndrom aus Europa, neben dem aus Afrika haben, obwohl man da jetzt vielleicht sagen würde, die Eltern, die nicht betroffen sind, die sehen gar nicht so ähnlich aus. Aber in unserem klinischen Merkmalsraum darf der Populationshintergrund keine Rolle spielen. Das wäre also neben Alter und Geschlecht der dritte ganz große Confounder, die große Steuergröße, auf die wir eigentlich… die wollen wir verlernen. Das kann man sich auch so vorstellen. Die KI ignoriert durch den Trainingsprozess fast die Varianz der normalen Gesichter.",
    "end": 841.0
  },
  {
    "start": 841.0,
    "text": "Annika Henner\nIn den 2010er Jahren wurde mit „Face2Gene“ eines der ersten breit eingesetzten KI-basierten Werkzeuge für die klinische Gesichtsanalyse in der Humangenetik entwickelt. Dahinter steht das KI-System „DeepGestalt“ das Gesichtsbilder analysiert und Ärzt:innen dabei unterstützt, Muster zu erkennen, die auf bestimmte genetische Erkrankungen hinweisen können. 2022 war Ihr Forschungsteam, Herr Prof. Krawitz, maßgeblich an der Veröffentlichung des neuen Programms GestaltMatcher beteiligt. Mit GestaltMatcher verfolgen Sie einen neuen Ansatz: Die Software sucht nicht nur nach bereits bekannten Krankheitsbildern, sondern sie kann auch Ähnlichkeiten zwischen Patient:innen mit sehr seltenen oder bislang sogar unbeschriebenen Erkrankungen erkennen. Heute ist die GestaltMatcher-Technologie auch in die Face2Gene Anwendung integriert. Gleichzeitig wird das GestaltMatcher-Projekt als Open Source Forschungsprojekt weiterentwickelt. Was unterscheidet denn Ihre Software GestaltMatcher von Face2Gene? Und wann war der Moment, in dem Sie dachten: „Es braucht etwas Neues?“",
    "end": 915.0
  },
  {
    "start": 915.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, also nochmal den historischen Überblick: Auch DeepGestalt war nicht der erste Algorithmus in dem Bereich. Die Computer Vision hat das eigentlich schon immer probiert, weil es so ein interessantes Problem ist. Auch in den frühen 2000er Jahren gibt es erste Arbeiten, die unterschiedliche Syndrome voneinander differenzieren konnten. Das war dann aber so in der Größenordnung zehn unterschiedliche Erkrankungen. Und der große Schritt vorwärts von DeepGestalt war, dass man auf einmal circa 200 Erkrankungen unterscheiden konnte. Und damit kam dann erstmals eigentlich eine klinische Nützlichkeit. Davor war es wirklich eher ein akademisches Interesse, kann man das unterscheiden oder nicht. Und wir waren auch an der DeepGestalt-Arbeit schon beteiligt. Da war aber dann algorithmisch die große Begrenzung, dass man nur Erkrankungen matchen konnte, die bereits in dem Trainingsset enthalten waren. Damit geht einher, dass man mindestens 10, 20 dieser seltenen Diagnosen sammeln muss. Und obwohl das so wenig erscheint, ist das eine große Herausforderung bei Erkrankungen, die weniger als einen von 100.000, manchmal einen von 1.000.000 betreffen. Und deswegen war schnell klar, dass man auch ein Tool braucht, ein Werkzeug braucht, das „the second of its kind“ identifizieren kann. Also wenn ich einen Patienten bereits beschrieben habe, den in dieser Referenz-Datenbank habe, dann möchte ich auch, wenn das ein sehr spezifischer Phänotyp ist, wenn es eine lernbare Gestalt ist, dann möchte ich den auch matchen können. Und da kam der Name dann eben auch her – der GestaltMatcher kann das. Und der Twist im Vergleich zu DeepGestalt ist eben, dass man diesen vortrainierten Raum hat und einzelne Patienten miteinander vergleicht und nicht mehr das Patientenbild mit einer vordefinierten Anzahl von Erkrankungen. Jetzt war ein zweiter Teil der Frage, wie sich die Projekte auseinanderentwickelt haben. GestaltMatcher hatten wir ja schon gesagt, ist ein Projekt für uns. Das kann man dann auch noch mal differenzieren in die unterschiedlichen Säulen oder Bestandteile. Das Tool Face2Gene, was Sie nannten, ist auch wieder nicht das Einzige in dem Bereich. Es war vielleicht das erste, was breit eingesetzt wurde. Aber wir haben über die Zeit einfach gemerkt, dass dieses neue Feld, um dann auch auf Vertrauen zu stoßen bei den Patienten, aber auch den Ärzten, die diese Technik einsetzen, es erfordert, dass man sehr transparent sowohl mit den Daten als auch den Algorithmen umgeht. Und das war von Anfang an eigentlich unsere Arbeitsweise. Und vielleicht kann Adele noch ein bisschen das Konzept von FAIR Data und Open Science oder Open Code erklären.",
    "end": 1125.0
  },
  {
    "start": 1125.0,
    "text": "Dr. Adele Ruder\nJa, für die GestaltMatcher-Datenbank, die quasi die Datenbasis für die zugehörige KI bildet, ist für uns besonders wichtig, dass die Daten FAIR sind. Und FAIR steht in diesem Kontext für findable, accessible, interoperable und reusable. Das heißt, die Datenbank ist auch zugänglich für alle Healthcare Professionals. Die können sich auf der Datenbank registrieren. Wir machen dann auch ein Background-Check, um dies zu bestätigen. Und dann die Daten oder die Fälle, die von anderen Klinikern hochgeladen wurden, einzusehen. Das bedeutet, dass die Datengrundlage, auf der die KI trainiert wurde, auch transparent ist für diese Gruppe und nachvollzogen werden kann, welche Daten überhaupt mit eingeflossen sind, um die KI zu trainieren.",
    "end": 1177.0
  },
  {
    "start": 1177.0,
    "text": "Prof. Dr. Peter Krawitz\nGenau, und die Modelle oder die Ergebnisse unserer Arbeit stellen dann letztendlich neue Gewichte in diesen Architekturen, die eben KI darstellen, dar. Und die machen wir auch wiederum öffentlich zugänglich. Das heißt also, das, was wir publizieren, kann durch die Community dann auch überprüft werden.",
    "end": 1204.0
  },
  {
    "start": 1204.0,
    "text": "Annika Henner\nWarum war es Ihnen denn wichtig, GestaltMatcher als offenes Forschungsprojekt, beziehungsweise Open Source, aufzubauen?",
    "end": 1213.0
  },
  {
    "start": 1213.0,
    "text": "Prof. Dr. Peter Krawitz\nWeil das noch ein junges Forschungsfeld ist, das sich nur entwickeln kann, wenn weitere Gruppen aktiv werden. Also wir waren 2019, als DeepGestalt publiziert wurde, die einzigen, die auf eine große, proprietäre Datenbank Zugriff hatten und kein Konkurrent wäre an unsere Performance gekommen, wenn sie nicht auch Zugriff auf diese Daten hätten. Und da das eben nicht möglich war, wäre keine Entwicklung von dem Feld in Gange gekommen. Deswegen haben wir mit den FAIR-Daten angefangen und alle weiteren Arbeiten eben auf diesem Referenzdatensatz publiziert. Und jetzt freuen wir uns, wenn wir auch von anderen Gruppen algorithmische Verbesserungen sehen in der Literatur. Und wir können es immer dann erst als Verbesserung glauben, wenn wir auch überprüfen können, dass es auf den gleichen Daten trainiert wurde. Also es ist letztendlich in der Wissenschaft nur möglich, den Fortschritt zu beurteilen, wenn es überprüfbar ist. Sonst ist es ein Werbeversprechen letztendlich.",
    "end": 1299.0
  },
  {
    "start": 1299.0,
    "text": "Annika Henner\nSie haben ja eben bereits davon gesprochen, dass GestaltMatcher nicht nur nach bereits bekannten Erkrankungen sucht, sondern Verbindungen zwischen Menschen herstellen kann, deren Erkrankung vielleicht bis dato noch gar nicht beschrieben wurde. Wie funktioniert denn so ein Matching bei GestaltMatcher zwischen Patientinnen? Und warum profitieren die Betroffenen von so einem Matching?",
    "end": 1325.0
  },
  {
    "start": 1325.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, also wir können vielleicht nochmal beschreiben auch mit diesem Beispiel im Raum, was das jetzt bedeutet, eine neue Erkrankung herauszuarbeiten. Da sind wir auch dabei, eine erst kürzlich neu beschriebene Erkrankung nochmal zu analysieren, die überraschenderweise erst relativ spät von Dysmorphologen beschrieben wurde. Also es war in dem Fall tatsächlich so, dass erst die molekulare Grundlage geklärt werden musste, um das dann als neues Dysmorphie-Syndrom auch zu beschreiben. Also es geht hier um das ReNU-Syndrom, eine der häufigsten Erklärungen für geistige und motorische Entwicklungsverzögerungen. Und da sieht man eben, wenn man die Patienten wieder in dem Latent Space, in dem klinischen Merkmalsraum, anordnet, dass die clustern. Das heißt, die sind abgrenzbar von anderen Erkrankungen. Und das ist jetzt aus statistischer Sicht dann eben die Voraussetzung, dass man einen neues Dysmorphie-Syndrom überhaupt beschreiben kann. Und sogar weiter noch darüber hinaus, dass man dann auch mit der KI arbeiten kann, um diese Beschreibung zu verfeinern und das wiederum dann auch Fachkollegen mitteilen kann. Also man profitiert letztendlich davon, die klinische Expertise zu verbessern, indem man sich die charakteristischen Merkmale in dem Merkmalsraum erschließt. Und was der Gewinn für die Patienten ist – letztendlich geht es immer um eine frühere Diagnosestellung.",
    "end": 1441.0
  },
  {
    "start": 1441.0,
    "text": "Dr. Adele Ruder\nVielleicht um nochmal das Bild eines Zimmers oder Raumes zu nutzen, um das zu verdeutlichen: Wenn wir die Patienten im Raum positionieren, den einen in die linke Ecke, den anderen in die rechte Ecke, die andere vielleicht vorne, links, die andere hinten rechts und wir immer so weitermachen und mehr und mehr Menschen in dem Raum ansiedeln, werden sich irgendwann Grüppchen bilden. Diese Grüppchen sind die Cluster, die Herr Prof. Krawitz erwähnt hat. Und wenn wir uns dann ein Grüppchen genauer angucken, können wir sagen, ah, die meisten in dem Grüppchen haben vielleicht das Kabuki-Syndrom. Das wird jetzt das Kabuki-Grüppchen oder Kabuki-Cluster. In der anderen Ecke, in der Gruppe, haben die meisten Leute das Cornelia-de-Lange-Syndrom. Das ist wahrscheinlich dann das Cluster, was dazu gehört. Wenn wir jetzt einen Patienten haben, der aber ein bisschen außerhalb von so einer Gruppe steht, vielleicht schon in der Nähe, aber doch nicht Teil der Gruppe ist, dann ist für uns die interessante Frage, was machen wir jetzt mit dem? Ordnen wir den der Gruppe zu? Ist der gar nicht Teil der Gruppe? Oder wenn irgendwann ein zweiter Patient kommt, der ganz nah an dem steht, bilden die dann vielleicht eine eigene neue Gruppe, die nur noch keinen Namen hat?",
    "end": 1518.0
  },
  {
    "start": 1518.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, genau. Also was da auch noch dahinter steckt, ist deutlich tiefer als nur eine Diagnose zu stellen. Also wir gehen davon aus, dass örtliche Beziehungen in dem Phänotyp-Raum uns auch etwas über die Pathophysiologie verraten können. Also wenn man über Erkrankungsgruppen spricht, die eine gemeinsame molekulare Grundlage haben, also durch Gene hervorgerufen oder durch Veränderungen in Genen hervorgerufen werden, die zusammenwirken, zum Beispiel einen Rezeptor bauen oder eine Signalkaskade formen, dann sehen wir, dass die auch in dem Merkmalsraum nahe beieinander sind. Und deswegen denken wir auch, dass der Rückschluss gültig ist: was nahe in dem Merkmalsraum ist, kann auch möglicherweise eine ähnliche Ursache haben. Und das wiederum hilft dann auch, Hypothesen zu generieren, die man im Labor testen kann. Also es ist über die klinische Wertigkeit als Diagnosewerkzeug auch ein Tool, um Hypothesen für die Forschung zu generieren.",
    "end": 1595.0
  },
  {
    "start": 1595.0,
    "text": "Annika Henner\nSie haben jetzt davon gesprochen, dass sich, wenn Sie viele Patient:innen untersuchen, Grüppchen in diesem Raum bilden. Wenn wir jetzt aber auf den Fall schauen, den Frau Dr. Ruder eben erwähnt hat, also dass es vielleicht nur zwei Patient:innen gibt, die überhaupt in dem Raum stehen, wann entscheidet man denn, dass sie zusammengehören? Also gibt es da irgendein Maß für den Abstand im Latent Space?",
    "end": 1623.0
  },
  {
    "start": 1623.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, das ist tatsächlich so. Ich könnte Ihnen jetzt ein Threshold sagen, den wir jetzt gerade interessant finden. Das bringt aber nicht viel, weil das sich dann tatsächlich auch von Zeit zu Zeit ändert. Aber es ist letztendlich für uns ständig die Herausforderung zu berechnen, zu adjustieren – was ist eine signifikante Ähnlichkeit? Also das ist, wenn die sich, weiß ich nicht, im Raum Händchen halten oder so.",
    "end": 1652.0
  },
  {
    "start": 1652.0,
    "text": "Annika Henner\nEin Punkt, auf den wir unbedingt zu sprechen kommen sollten, um Missverständnissen vorzubeugen, ist, dass mit der Software GestaltMatcher keine Diagnosen zu stellen sind. Es handelt sich um ein Werkzeug auf dem Weg der Diagnosefindung. Und die Vermutungen müssen immer auch anhand genetischer Untersuchungen verifiziert werden. Warum lohnt es sich aber dennoch, also trotz dieses zusätzlichen Aufwands, den Weg über die Betrachtung des Phänotypes der Patient:innen zu gehen?",
    "end": 1684.0
  },
  {
    "start": 1684.0,
    "text": "Dr. Adele Ruder\nUnser Ziel mit GestaltMatcher und der KI-Analyse, die wir damit durchführen können, ist es, einen zusätzlichen Hinweis zu liefern, der Betroffene auf der langen Suche nach einer Diagnose unterstützen kann, beziehungsweise ihre behandelnden Ärztinnen und Ärzte unterstützen kann, weil bei seltenen Erkrankungen jeder kleine Hinweis schon entscheidend sein kann. Für Betroffene bedeutet die „diagnostische Odyssee“, wie sie auch genannt wird, eine lange Zeit voller Unsicherheit, Leid, vielleicht sogar Fehldiagnosen. In 70 Prozent der Fällen sogar mindestens eine Fehldiagnose. Und eine Reise von einem Facharzt zum nächsten. Im Durchschnitt vergehen fünf Jahre, bis Betroffene eine erste Diagnose erhalten. Und wir hoffen, dass wir durch GestaltMatcher und den Hinweis auf eine bestimmte seltene Erkrankung diesen Prozess ein wenig verkürzen können, indem die Information schon an früherer Stelle in dem ganzen Prozess integriert werden kann. Das heißt, vielleicht nicht erst beim zehnten Facharzt, der dann vielleicht der Humangenetiker ist, sondern vielleicht schon beim dritten, der GestaltMatcher nutzt und dann schon den Diagnoseprozess in die richtige Richtung umlenken kann.",
    "end": 1775.0
  },
  {
    "start": 1775.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, und in der Genetik selbst war das ein paar Jahre eine Diskussion, ob man erst phänotypisiert und dann sequenziert oder die Reihenfolge umdreht – sequence first and then phenotype. Aber eigentlich ist diese Diskussion erledigt. Man macht einfach beides, weil das nochmal ein zusätzlicher Zeitgewinn dann auch in der Auswertung ist. Also, das läuft üblicherweise auf eine Genomsequenzierung hinaus und da hat man dann so viele Varianten, dass man auch computergestützt den Phänotyp mit in die Auswertung einfließen lassen will und deswegen ergänzen sich da beide Methoden. Und was man noch natürlich nicht vergessen darf, ist, dass der erste Arzt, der den Patienten sieht, definitiv kein Genetiker ist. Das wird der Hausarzt oder der Pädiater sein und diese Fachkolleginnen oder -kollegen können dann eben ein Werkzeug nutzen, auch wenn es noch ihnen nicht die Arbeit komplett abnimmt, eine Diagnose zu stellen, wie Frau Dr. Ruder gesagt hat, ihnen Hinweise geben können, so dass dann die adäquate Diagnostik veranlasst werden kann.",
    "end": 1854.0
  },
  {
    "start": 1854.0,
    "text": "Dr. Adele Ruder\nGenau, es gibt um die 6000 seltenen Erkrankungen, die bereits beschrieben wurden, wahrscheinlich noch mehr, die noch keinen Namen bekommen haben. Und kein Arzt und keine Ärztin kann die alle auf dem Schirm haben. Und das hängt ja auch ganz stark mit dem Erfahrungswissen des Klinikers zusammen. Jemand, der noch nie einen Patienten mit der Erkrankung gesehen hat, wird wahrscheinlich nicht im ersten Gedanken darauf kommen, dass es das sein könnte. Aber um Erfahrungswissen aufzubauen, braucht es viel Zeit und eben Erfahrung. Und wir hoffen, dass wir mit unserem Projekt die Erfahrung in die Praxis bringen können.",
    "end": 1899.0
  },
  {
    "start": 1899.0,
    "text": "Annika Henner\nJe besser solche bildbasierten KI-Systeme werden, desto sensibler werden ja auch die Daten, mit denen sie arbeiten. Wie sensibel sind denn die, ich sag jetzt mal „Gesichtsdaten“, im Vergleich zu Genomdaten?",
    "end": 1915.0
  },
  {
    "start": 1915.0,
    "text": "Prof. Dr. Peter Krawitz\nAlso sie sind genauso schützenswert, natürlich. Der wesentliche Unterschied ist, dass ein Nicht-Genetiker natürlich anhand eines Gesichts eine Re-Identifizierung vornehmen kann. Das erfordert beim Genom etwas mehr Fachwissen. Aber die Anforderungen an den Datenschutz sind vergleichbar für beide Arten von Daten.",
    "end": 1940.0
  },
  {
    "start": 1940.0,
    "text": "Annika Henner\nWie sieht es denn mit den Eigentumsrechten aus? Wem gehören die Bilder eigentlich?",
    "end": 1947.0
  },
  {
    "start": 1947.0,
    "text": "Prof. Dr. Peter Krawitz\nDie Träger der FAIRen Datenbank ist der gemeinnützige Verein, die Arbeitsgemeinschaft für Gendiagnostik. Und die unterliegt natürlich auch der Datenschutzgrundverordnung. Und ein wesentlicher Punkt dieser Verordnung ist, dass Personen um die Löschung ihrer Daten bitten können. Also auch wenn einmal zugestimmt wurde, dass eine Forschungsfrage damit beantwortet wird oder andere Personen das auch als Referenzmaterial benutzen können, besteht immer die Möglichkeit, diesen Status auch zu ändern.",
    "end": 1994.0
  },
  {
    "start": 1994.0,
    "text": "Annika Henner\nWie reagieren Eltern denn, wenn sie gefragt werden, ob sie Bilder ihrer kranken Kinder mit der Forschung teilen wollen?",
    "end": 2004.0
  },
  {
    "start": 2004.0,
    "text": "Dr. Adele Ruder\nUnsere Erfahrungen nach sind die Eltern sehr kooperativ, wenn es darum geht, die Fotos ihrer Kinder hochzuladen. Die Eltern sind die Ersten, die merken, dass mit ihrem Kind irgendetwas nicht stimmt und dass irgendetwas da sein muss. Gehen der Sache auf den Grund, die sind total engagiert, die machen ihre eigene Recherche, lesen die wissenschaftlichen Artikel und oft kontaktieren uns auch Eltern, weil sie auf den GestaltMatcher aufmerksam werden und fragen, ob wir ihr Kind mit aufnehmen und analysieren können.",
    "end": 2037.0
  },
  {
    "start": 2037.0,
    "text": "Annika Henner\nUnd in so einem Fall, also wenn sich jemand direkt an Sie wendet, was sagen Sie dann? Weil wenn ich das richtig verstanden habe, sind Sie ja gar nicht diejenigen, die die Daten erheben, oder?",
    "end": 2050.0
  },
  {
    "start": 2050.0,
    "text": "Prof. Dr. Peter Krawitz\nDoch, durchaus. Also erfreulicherweise gibt es sogar Förderungen genau für diese Aufgaben. Also wir freuen uns zum Beispiel sehr, dass wir auch von der DFG finanziert werden, um Daten zu erheben, die sich für KI-Training eignen. Und in dem Fall sind wir dann auch die, die die Daten sammeln und kuratieren. Zu der Frage zurück, was wir machen, wenn sich Eltern an uns wenden: Wir probieren eigentlich zunächst in den ganzen unterschiedlichen Studien, die wir betreiben, die zu identifizieren, die für sie am sinnvollsten ist. Und dann ist das Prozedere eigentlich ganz simpel: Man klärt auf und wenn der Patient teilnehmen möchte, wird er eben durch die Einwilligung zu einem Studienteilnehmer.",
    "end": 2115.0
  },
  {
    "start": 2115.0,
    "text": "Annika Henner\nFür wie viele Erkrankungen ist eine solche Phänotypanalyse denn überhaupt potentiell hilfreich? Also wie groß ist der Bereich, in dem GestaltMatcher einen klinischen Mehrwert liefern kann?",
    "end": 2128.0
  },
  {
    "start": 2128.0,
    "text": "Prof. Dr. Peter Krawitz\nFrau Dr. Ruder hat ja schon gesagt, dass wir ca. 6000 Erkrankungen in der Genetik bislang beschrieben haben, die auf Ursachen in einem einzelnen Gen oder Lokus zurückgehen. Um die 20.000 Gene, proteinkodierende Gene gibt es. Wenn man den Definitionsrahmen noch ein bisschen weiter zieht, dann wahrscheinlich auch mehr. Das heißt also, wir sprechen hier wirklich über 10.000 plus Erkrankungen. Und wir gehen davon aus, dass ca. ein Drittel Muster haben, die die KI lernen kann. Also ich beschränke mich jetzt auch gezielt mal nicht aufs Gesicht, sondern spreche von Mustern allgemein, sodass eben die Phänotypanalyse da einen klinischen Mehrwert schaffen kann.",
    "end": 2183.0
  },
  {
    "start": 2183.0,
    "text": "Annika Henner\nSie haben es zwar vorhin schon angerissen, aber ich würde gerne nochmal explizit nachfragen: Wie funktioniert diese Gesichtserkennung und die KI denn bei Menschen mit unterschiedlicher Abstammung? Also kann die KI beispielsweise dieselben krankheitsrelevanten Merkmale bei einem Menschen europäischer Abstammung identifizieren, wie bei Menschen mit beispielsweise afrikanischer oder südostasiatischer Abstammung?",
    "end": 2210.0
  },
  {
    "start": 2210.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, das war jetzt auch das Thema einer Arbeit, die jetzt bald in Nature Genetics erscheint. Das hat uns über 3, 4 Jahre intensiv beschäftigt. Der Trick ist, man braucht Trainingsdaten, die möglichst repräsentativ für die menschliche Spezies sind. Und das bedeutet eben, dass man Stichproben – oder in dem Fall Patienten – aus allen Kontinenten braucht. Und da haben wir schön rausarbeiten können, dass man nicht unbedingt gleich viele von allen Ethnien oder Regionen braucht, sondern dass man schon auf eine sehr, sehr gute Güte in der Klassifizierung kommt, wenn man auf ca. ein Zehntel der Population kommt, die die Mehrheit der Samples darstellt.",
    "end": 2270.0
  },
  {
    "start": 2270.0,
    "text": "Annika Henner\nZum Abschluss würde ich gerne noch den Blick in die Zukunft richten und Sie auch nach Ihrer persönlichen Einschätzung fragen. Wenn die KIs immer besser werden, können wir dann darauf hoffen, irgendwann beim Arzt eine Diagnose, ja, auf den ersten Blick zu erhalten?",
    "end": 2286.0
  },
  {
    "start": 2286.0,
    "text": "Prof. Dr. Peter Krawitz\nNein, sicher nicht, aber schneller. Und damit wäre schon viel gewonnen. Also es geht nicht darum, die Sequenzierung oder die Testung auf molekularer Ebene zu ersetzen, sondern nur darum, diese zu beschleunigen und in vielen Fällen auch unklare Einstufungen zu beseitigen, also Varianten unklarer Signifikanz dann hoch- oder runterzustufen, das ist unser Ziel.",
    "end": 2321.0
  },
  {
    "start": 2321.0,
    "text": "Dr. Adele Ruder\nWas ich in dem Kontext auch immer gerne sage, ist, dass die KI sehr viele Antworten liefern kann, aber es braucht jemanden Menschliches dahinter, der die richtigen Fragen stellt. Und die Ergebnisse der KI auch richtig einordnet. Zum Beispiel die Ergebnisse der KI-Analyse durch GestaltMatcher müssen auch von Klinikern in den Kontext mit den anderen Symptomen Laborwerten und so weiter gesetzt werden, damit sie eine Bedeutung bekommen, damit sie meaningful werden. Und dafür braucht es noch immer die menschlichen Experten.",
    "end": 2361.0
  },
  {
    "start": 2361.0,
    "text": "Annika Henner\nStellen wir uns vor, wir sitzen in zehn Jahren noch einmal so wie heute zusammen. Worüber glauben Sie, werden wir lachen, weil es uns heute noch total futuristisch erscheint, dann aber möglich sein wird?",
    "end": 2375.0
  },
  {
    "start": 2375.0,
    "text": "Prof. Dr. Peter Krawitz\nAlso zehn Jahre ist glaube ich zu weit, ich weiß nicht, da kann ich mir gar nicht vorstellen, was da sich alles dann noch ermöglicht haben wird. Aber ich kann Ihnen sagen, worauf wir in wenigen Jahren sehr stolz sein werden, obwohl es jetzt gerade noch eine riesen Hürde darstellt, und das ist die Zertifizierung dieser Software als Medizinprodukt. Und ich glaube, das muss man sich auch gesellschaftlich klarmachen, dass man hier immer mit Augenmaß arbeiten muss. Wir wollen zertifizieren, um sichere Software für den medizinischen Einsatz zu haben, aber wir dürfen dadurch nicht verhindern, dass diese Werkzeuge zu lange nicht zum Einsatz kommen. Und ich glaube, wir werden darüber lachen, weil wir dann dieses eine große Problem gelöst haben. Die ganzen weiteren Verfeinerungen, die sich dann in zwei, drei, vier, fünf Jahren bieten, die lassen sich wahrscheinlich leichter integrieren, wenn wir erstmal den Anfang gemacht haben und die Version, so wie sie jetzt ja schon existiert, dann auch zertifiziert bekommen haben.",
    "end": 2453.0
  },
  {
    "start": 2453.0,
    "text": "Annika Henner\nWenn Sie auf Ihre eigene Forschung im GestaltMatcher-Kontext zurückschauen, was hat Sie denn selbst am meisten in den letzten Jahren überrascht?",
    "end": 2464.0
  },
  {
    "start": 2464.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, ich glaube, im Englischen gibt es ja diesen Begriff „it's a gift that doesn't stop giving“. Ich weiß nicht genau, ob es dafür eine deutsche Entsprechung gibt. Also, man hat etwas geschenkt bekommen und das wird eigentlich immer besser. Und so geht es mir eigentlich mit dem Gesicht. Ich habe am Anfang nicht geglaubt, dass es überhaupt geht und ich komme aus dem Staunen eigentlich gar nicht mehr raus, was damit noch alles möglich ist. Und ich glaube, was das Tolle eigentlich an diesen komplexen, morphologischen Strukturen ist, dass sie das nicht-interferierte Experiment darstellen. Wir machen im Labor immer Experimente, die natürlich hypothesengetrieben sind und deswegen auch etwas zerstören, weil man vielleicht auch… oder perturbieren, weil man gerade durch die Perturbation die Auswirkungen besser verstehen kann. Aber wenn Sie wirklich verstehen wollen, was in dem Genom kodiert ist, dann müssen Sie sich das Gesicht anschauen oder dann müssen Sie sich das Ergebnis anschauen, wie es eben nicht perturbiert entsteht.",
    "end": 2543.0
  },
  {
    "start": 2543.0,
    "text": "Dr. Adele Ruder\nBei mir ist es ja noch nicht so lange her, dass ich das erste Mal von GestaltMatcher gehört habe und ich kann mich noch genau daran erinnern, dass ich gedacht habe: „Was das funktioniert?“ Und ja, es funktioniert. Was mich jetzt im Laufe meiner Arbeit und im Kontakt mit Betroffenen, Ärzt:innen und auch einfach Freunden und Familie überrascht hat, ist, dass viele sofort verstehen, um was es geht und auch überrascht sind, dass dieses Konzept der Blickdiagnose nicht erst mit dem Aufstieg der KI, sage ich mal, entstanden ist, sondern dass es schon länger ein Konzept in der Medizin ist, was es so gibt.",
    "end": 2592.0
  },
  {
    "start": 2592.0,
    "text": "Annika Henner\nWenn heute zufällig Eltern oder Angehörige eines Kindes zuhören, das seit Jahren keine Diagnose hat oder vielleicht auch selbst betroffene Patientinnen, würden Sie ihnen irgendetwas mitgeben? Was würden Sie ihnen sagen?",
    "end": 2604.0
  },
  {
    "start": 2604.0,
    "text": "Prof. Dr. Peter Krawitz\nJa, ich glaube, worauf Frau Dr. Ruder, Adele, schon hingewiesen hat, kann man nur noch mal wiederholen: Eltern sind ganz wichtige Partner bei der Diagnosefindung. Und wir sehen das auch in vielen Studien, dass es nicht eine große Hürde ist, wenn man nicht die Fachterminologie beherrscht. Das heißt also, den Mut haben, einfach so präzise oder ausführlich wie möglich, das zu schildern, was auffällig ist. Das ist sehr, sehr wertvoll. Also auch für uns ist das ein zusätzlicher Datenpunkt neben den Bildern. Die Beschreibung, es geht letztendlich ja um die Anamnese oder die Krankengeschichte aus Patientensicht, das sauber zu dokumentieren oder zu formulieren. Das ist nach wie vor eine ganz große Hilfestellung für den Arzt dann. Und wenn sie, wenn die Eltern oder die möglicherweise Betroffenen das Gefühl haben, ein Tool wie der GestaltMatcher könnte ihnen weiterhelfen, dann würde ich vorschlagen, der erste Ansatz sollte sein, den Arzt oder die Ärztin darauf anzusprechen, ob das sinnvoll erscheint, das mal einzusetzen oder wenn man da nicht weiter kommt, sich zu informieren, ob bei uns eine Studie aktuell läuft, in die man auch eingeschlossen werden kann. Aber immer ein bisschen Zeit mitbringen, weil wir auch nur ein kleines Team sind und manchmal gerne am nächsten Tag antworten würden, aber es nicht schaffen.",
    "end": 2715.0
  },
  {
    "start": 2715.0,
    "text": "Dr. Adele Ruder\nIch möchte Eltern auch nur noch einmal ermutigen, dass wenn sie das Gefühl haben, dass etwas nicht stimmt oder ein ungutes Bauchgefühl haben, dem nachzugehen, weil Eltern kennen ihr Kind am besten. Sie beobachten das jeden Tag, sie können vergleichen mit älteren Geschwisterkindern oder anderen Kindern in der Kita-Gruppe und in dem ganzen Diagnoseprozess sind die Eltern in ihrer Expertenmeinung über ihr Kind genauso zentral.",
    "end": 2744.0
  },
  {
    "start": 2744.0,
    "text": "Annika Henner\nDann bedanke ich mich ganz herzlich für dieses sehr spannende Gespräch bei Ihnen, Herrn Prof. Dr. Krawitz und Frau Dr. Ruder.",
    "end": 2752.0
  },
  {
    "start": 2752.0,
    "text": "Prof. Dr. Peter Krawitz\nWir bedanken uns auch.",
    "end": 2753.0
  },
  {
    "start": 2753.0,
    "text": "Dr. Adele Ruder\nJa, vielen Dank.",
    "end": 2758.0
  },
  {
    "start": 2758.0,
    "text": "Annika Henner\nDas war „Der Code des Lebens“, produziert von GHGA, dem Deutschen Humangenom- Phänomarchiv. Bis zum nächsten Mal!",
    "end": 2772.673
  }
]