KI-Durchbruch: präzise Diagnosen für 10 verschiedene Demenzarten jetzt möglich

Lesezeit: 2 Minuten
Durch Hans Meier
- in
KI analysiert Gehirnscans auf einer digitalen Oberfläche.

BerlinForscher der Boston University haben ein KI-Tool entwickelt, das in der Lage ist, zehn verschiedene Arten von Demenz sicher zu diagnostizieren, darunter vaskuläre Demenz, Lewy-Körper-Demenz und frontotemporale Demenz. Es kann auch Fälle bearbeiten, in denen diese Demenzen zusammen auftreten. Dieses Tool nutzt ein leistungsstarkes maschinelles Lernsystem, um genaue Diagnosen durch die Analyse häufig gesammelter klinischer Daten zu liefern. Zu diesen Daten gehören beispielsweise:

  • Demografische Daten
  • Medizinische Vorgeschichte von Patienten und deren Familien
  • Medikamenteneinnahme
  • Ergebnisse neurologischer und neuropsychologischer Untersuchungen
  • Neurobildgebungsdaten wie MRT-Scans

Jedes Jahr werden von Ärzten zehn Millionen neue Fälle von Demenz diagnostiziert. Da die Symptome oft ähnlich sind, fällt es schwer, die verschiedenen Arten zu unterscheiden. Dieses KI-Tool kann den Diagnoseprozess vereinfachen und präziser gestalten.

Die Studie wurde in Nature Medicine veröffentlicht. Dr. Vijaya B. Kolachalama, Hauptautor und außerordentlicher Professor an der Boston University, betont die Bedeutung der Diagnosestellung anhand routinemäßiger klinischer Daten. Das Tool könnte eine weite Verbreitung als diagnostische Lösung finden, was besonders wichtig ist, da der Zugang zu hochwertigen Tests schwierig ist. Diese Herausforderungen bestehen sowohl in abgelegenen und sich entwickelnden Regionen als auch in städtischen Gesundheitszentren.

Das Forscherteam hat ihr fortschrittliches maschinelles Lernsystem mit Daten von über 50.000 Personen aus neun globalen Datensätzen trainiert. Das Modell zeigte herausragende Ergebnisse und erreichte eine Vorhersagegenauigkeit von 0,96. Zum Vergleich: Ein Wert von 0,5 entspricht zufälligem Raten, während ein Wert von 1 für perfekte Genauigkeit steht.

Die Forscher untersuchten, wie sich ein KI-Tool auf die Diagnosegenauigkeit von Neurologen und Neuroradiologen auswirkte. Sie fanden heraus, dass Neurologen durch den Einsatz des KI-Tools 26% präziser bei der Diagnose aller zehn Demenzarten wurden. In einem Test stellten 12 Neurologen jeweils 100 zufällig ausgewählte Fälle diagnostisch und gaben eine Vertrauensbewertung von 0 bis 100 ab. Diese Bewertungen wurden dann mit den Wahrscheinlichkeitswerten des KI-Tools gemittelt, was zu einem KI-unterstützten Neurologen-Score führte.

Dr. Kolachalama bemerkt, dass es weltweit nicht genug Neurologie-Experten gibt, während die Zahl der Patienten steigt, was das Gesundheitssystem belastet. Er ist der Meinung, dass KI helfen kann, indem sie frühe Anzeichen von Störungen erkennt und Ärzten bei der besseren Betreuung ihrer Patienten unterstützt. Dies könnte verhindern, dass sich bestimmte Erkrankungen verschlimmern.

Das KI-Tool zeigt großes Potenzial, da die Anzahl der Demenzfälle in den nächsten 20 Jahren voraussichtlich auf das Doppelte ansteigen wird. Es kann präzise Diagnosen stellen und somit die Behandlung von Demenz erheblich verbessern.

Mehrere Organisationen unterstützten dieses Projekt finanziell durch Stipendien. Dazu gehören die Karen Toffler Charitable Trust, das Artificial Intelligence and Technology Collaboratories des National Institute on Aging und Gates Ventures.

Angesichts der rasanten Zunahme von Demenzfällen könnten KI-gestützte Tools im medizinischen Alltag weltweit zu besseren Behandlungsergebnissen führen. Besonders in Regionen ohne ausgefeilte Diagnoseeinrichtungen wäre der Einsatz solcher Technologien von großem Vorteil. Die Möglichkeit, die Demenzversorgung zu verbessern, ist enorm.

Der Einsatz von KI zur Diagnose verschiedener Demenzerkrankungen könnte die Behandlung dieser Hirnerkrankungen revolutionieren.

Die Studie wird hier veröffentlicht:

http://dx.doi.org/10.1038/s41591-024-03118-z

und seine offizielle Zitation - einschließlich Autoren und Zeitschrift - lautet

Chonghua Xue, Sahana S. Kowshik, Diala Lteif, Shreyas Puducheri, Varuna H. Jasodanand, Olivia T. Zhou, Anika S. Walia, Osman B. Guney, J. Diana Zhang, Serena T. Pham, Artem Kaliaev, V. Carlota Andreu-Arasa, Brigid C. Dwyer, Chad W. Farris, Honglin Hao, Sachin Kedar, Asim Z. Mian, Daniel L. Murman, Sarah A. O’Shea, Aaron B. Paul, Saurabh Rohatgi, Marie-Helene Saint-Hilaire, Emmett A. Sartor, Bindu N. Setty, Juan E. Small, Arun Swaminathan, Olga Taraschenko, Jing Yuan, Yan Zhou, Shuhan Zhu, Cody Karjadi, Ting Fang Alvin Ang, Sarah A. Bargal, Bryan A. Plummer, Kathleen L. Poston, Meysam Ahangaran, Rhoda Au, Vijaya B. Kolachalama. AI-based differential diagnosis of dementia etiologies on multimodal data. Nature Medicine, 2024; DOI: 10.1038/s41591-024-03118-z
Wissenschaft: Neueste Nachrichten
Weiterlesen:

Diesen Artikel teilen

Kommentare (0)

Kommentar veröffentlichen