Datenintergration auf höchstem Niveau
So werden multimodale Daten optimal genutzt - am Beispiel der Schweizer MS Kohortenstudie
Die Schweizer MS Kohortenstudie (Swiss Multiple Sclerosis Cohort, SMSC) ist eine der grössten Forschungskohorten für Multiple Sklerose (MS) und zeigt exemplarisch, wie aus einer Vielzahl heterogener Datenquellen ein integrierter, wissenschaftlich nutzbarer Datensatz entstehen kann. Zunehmend automatisierte, reproduzierbare und skalierbare Datenflüsse ermöglichen so Spitzenforschung, die sich direkt in die klinische Praxis überträgt.
Multimodale Daten als Schlüssel zu neuen Erkenntnissen
Diagnose und Behandlung komplexer Erkrankungen wie MS stützen sich seit langem auf verschiedene Pfeiler: klinisch-neurologische Untersuchung, konventionelle und fortgeschrittene MRI-Bildgebung, Liquoranalysen und elektrophysiologische Messmethoden. Mit dem technischen und wissenschaftlichen Fortschritt kommen allerdings laufend weitere Messmodalitäten hinzu. Auch Blut- und Liquor-Biomarker, volumetrische und weitere fortgeschrittene MRI-Messungen oder Analysen auf molekularer Ebene, sogenannte «Omics»-Analysen, – um nur einige Beispiele zu nennen – stellen sich heute als krankheitsrelevant heraus.
Erst durch die Zusammenführung dieser Daten entsteht ein umfassendes Bild des Krankheitszustandes einer einzelnen Person und werden Aussagen über ihren Krankheitsverlauf möglich. Der multimodale Blick ändert aber nicht nur die Sichtweise auf das individuelle Krankheitsgeschehen, sondern auch auf das Verstehen der Erkrankung in seiner Gesamtheit. Er bildet ausserdem die Basis für individualisierte Therapiekonzepte.
Forschung aus und für die klinische Praxis
Ziel der vor 15 Jahren gestarteten SMSC war es, über acht Universitäts- und Kantonsspitäler hinweg Langzeitbeobachtungen zu Diagnose und Therapie der MS zu ermöglichen, indem relevante Datensätze standardisiert und systematisch erfasst werden.
Heute gilt die SMSC mit über 2’200 erfassten Patientinnen und Patienten und einer medianen Nachbeobachtungszeit von 6 Jahren als eine der grössten Datenbanken für klinische, translationale und Grundlagenforschung weltweit. Rund 100 Forschungsprojekte und 80 wissenschaftliche Publikationen basieren auf dieser Datengrundlage.
Ein wichtiger Beitrag war die technische Entwicklung und Validierung sowie der klinische Einsatz von Neurofilament Light Chain (NfL) als Blut-Biomarker für neuro-axonale Schädigung bei der MS und anderen Erkrankungen, die das Nervenkompartiment schädigen. Mit der Messung des sauren Gliafaserproteins (Glial Fibrillary Acidic Protein, GFAP) im Blut konnte kürzlich ein Biomarker mit höherer Spezifität für die schleichende Krankheitsprogression ergänzt werden. Sowohl NfL als auch GFAP sind wichtige Schritte hin zu einer präziseren und individualisierten Therapie. Forschung also, die direkten Einfluss auf die klinische Praxis und damit auf das Wohlergehen der Patientinnen und Patienten hat.

«Mit NfL und GFAP stehen uns heute zwei Biomarker zur Verfügung, mit denen wir Krankheitsverläufe besser monitorieren und Behandlungsentscheidungen für einzelne Patientinnen und Patienten individueller gestalten können. Ausserdem helfen sie uns, in Zukunft klinische Studien zielgerichteter zu konzipieren.»
Wenn Daten zusammenfinden
Mit der SMSC wurde über viele Jahre hinweg eine Datenlandschaft aufgebaut, deren Vielfalt einzigartig ist. Entscheidend ist allerdings die Tatsache, dass die Daten in standardisierter und miteinander verknüpfbarer Form vorliegen.

Datenintegration ist mehr als eine technische Schnittstelle
Die Zusammenführung multimodaler Daten ist weit mehr als das Verbinden verschiedener Datenbanken. Unterschiedliche Systeme verwenden unterschiedliche Formate, Strukturen und Prozesse. Daten müssen identifiziert, harmonisiert, qualitätsgesichert und technisch so zusammengeführt und aufbereitet werden, dass sie für wissenschaftliche Zwecke genutzt werden können. Automatisierte Schnittstellen und definierte Prozesse sind ein wichtiger Schlüssel zur Harmonisierung der Daten. Eine umfangreiche Post-Processing-Pipeline erzeugt schliesslich analysierbare Datensätze für die Forschung.
Durch die enge Verknüpfung mit der klinischen Routine bewegen sich Datenflüsse in beide Richtungen: Beispielsweise fliessen individuelle Biomarker-Werte und Messungen aus Advanced MRI-Analysen in den Datensatz der einzelnen Patientinnen und Patienten mit ein und können so in den Behandlungszentren für personalisierte Therapieentscheide genutzt werden. Auf diese Weise schafft die SMSC eine Brücke zwischen Spitzenforschung und klinischer Praxis.

«Durch automatisierte Datenflüsse aufgrund von gepflegten Schnittstellen, definierten Prozessen und zentralen Qualitätskontrollen können wir auf weitgehend harmonisierte und aktualisierte Datensätze zugreifen. Eine statistische Analyse zur Untersuchung einer wissenschaftlichen Fragestellung kann sozusagen auf Knopfdruck gestartet werden.»
Langfristig entsteht so eine Infrastruktur, auf der weitere Forschungsprojekte aufbauen können. Die SMSC bildet beispielsweise die Grundlage für Initiativen wie DreaMS zu digitalen Biomarkern, ist Plattform für pragmatische randomisierte Studien im Zuge der MultiSCRIPT-Studie und ermöglicht eine stetig wachsende Zahl komplexer multimodaler Analysen.
Neue Möglichkeiten für Data Science und KI
Je mehr integrierte Daten vorliegen, desto grösser werden die Möglichkeiten für moderne Analysen, die Entwicklung neuer statistischer Modelle und für Anwendungen von Machine Learning und KI. Um das volle Potenzial solcher Art multimodaler Datensätze, die in sehr grossen Volumina vorliegen, nutzen zu können, braucht es übergreifende methodische Exzellenz in den Bereichen Statistik, Data Science und KI, wie sie über Jahre im RC2NB und am DKF gewachsen ist. Diese weiter zu bündeln und auszubauen, ist das Ziel zukünftiger Entwicklungen.

«Wenn wir Daten aus Bildgebung, digitalen Sensoren, Genetik und molekularen Analysen zusammenführen, können wir Krankheiten besser verstehen und neue Wege der Behandlung entdecken. Dafür braucht es Menschen aus unterschiedlichen Disziplinen, die ihr Wissen teilen, gemeinsam neue Methoden entwickeln und die Möglichkeiten komplexer KI-Modelle ausschöpfen.»
Die SMSC bildet somit ein wichtiges Fundament für die Weiterentwicklung datenwissenschaftlicher Methoden und ist ein eindrückliches Beispiel dafür, wie sich der Fokus in der klinischen Forschung verändert. Entscheidend ist heute nicht mehr allein die Erhebung neuer Daten. Genauso wichtig ist die Fähigkeit, bestehende Datenquellen miteinander zu verbinden, ihre Qualität langfristig sicherzustellen und sie für neue Fragestellungen nutzbar zu machen.
Swiss Multiple Sclerosis Cohort (SMSC)
Leitung
Prof. Jens Kuhle, Principal investigator SMSC und CMO RC2NB
Prof. Cristina Granziera, Leiterin ThINk Basel– MRI analysis Center und CEO RC2NB
Dr. Pascal Benkert, Leiter SMSC Datenzentrum
Zentren
Universitätsspital Basel (Koordinierendes Zentrum und Datenzentrum)
Kantonsspital St. Gallen
Kantonsspital Aarau
Inselspital - Universitätsspital Bern
Universitätsspital Zürich
Hôpitaux Universitaires Genève
Centres hospitalier universitaire vaudois Lausanne
Ospedale Regionale di Lugano
Datenlage
2231 Patientinnen und Patienten
19'839 dokumentierte Visiten mit einer medianen Follow-up-Dauer von 6 Jahren mehr als 93% der Visiten mit Entnahme von Proben
16'039 NfL- und GFAP-Messungen
801 dokumentierte prospektive Schübe
13'408 standardisierte und evaluierte MRI-Untersuchungen des Gehirns
444'908 biologische Proben
Weitere Informationen und aktuelle Zahlen
Zu finden unter https://smsc.ch
Auswahl Top-Publikationen
Serum Glial Fibrillary Acidic Protein Dynamics, Disease Progression, and Therapy Response in Multiple Sclerosis, Einsiedler et al., JAMA Neurology, 2026
Serum Glial Fibrillary Acidic Protein and Neurofilament Light Chain Levels Reflect Different Mechanisms of Disease Progression under B-Cell Depleting Treatment in Multiple Sclerosis, Benkert et al., Annals of Neurology, 2024
Neurofilament Light Chain Elevation and Disability Progression in Multiple Sclerosis, Abdelhak et al., JAMA Neurology, 2024
Serum Glial Fibrillary Acidic Protein Compared With Neurofilament Light Chain as a Biomarker for Disease Progression in Multiple Sclerosis, Meier et al., JAMA Neurology, 2023
Association of Brain Atrophy With Disease Progression Independent of Relapse Activity in Patients With Relapsing Multiple Sclerosis, Cagol et al., JAMA Neurology, 2022
Serum neurofilament light chain for individual prognostication of disease activity in people with multiple sclerosis: a retrospective modelling and validation study, Benkert et al., Lancet Neurology, 2022
Weitere Publikationen
Zu finden unter https://smsc.ch/resources




Kommentare