Diabetes früh erkennen: KI erkennt Warnzeichen Jahre vor klassischer Diagnose
KI kann Diabetes frühzeitig erkennen. (Foto: 15Studio/Shutterstock)
Künstliche Intelligenz (KI) stellt ein vielversprechendes Werkzeug dar, um Ärzten bei der frühen Erkennung von Warnzeichen für Diabetes Typ 2 zu assistieren. Durch die Analyse von Röntgenbildern des Brustkorbs kann das Deep-Learning Modell potenzielle Risikopatienten bereits Jahre vor einer offiziellen Diabetes-Diagnose identifizieren.
Dieses Modell wurde hauptsächlich in den USA getestet und detailliert in einer Studie vorgestellt, die in der Fachzeitschrift Nature Communications veröffentlicht wurde. Um die Warnzeichen präzise erkennen zu können, wurde das KI-Modell mit mehr als 270.000 Röntgenbildern von rund 160.000 Patienten trainiert.
Die KI könnte vielen Menschen helfen
Laut Knowridge werden Patienten in den USA üblicherweise auf Diabetes Typ 2 getestet, wenn sie zwischen 35 und 70 Jahre alt sind und einen BMI aufweisen, der im Bereich von Übergewicht oder Fettleibigkeit liegt. Doch durch diese Kriterien werden zahlreiche Fälle übersehen, bei denen Menschen Risiken für Diabetes zeigen könnten.
Im Gegensatz dazu werden Röntgenbilder vom Brustkorb aus verschiedenen Gründen, beispielsweise bei Atemproblemen, Brustschmerzen oder vor Operationen, regelmäßig angefertigt und in den Krankenakten der Patienten gespeichert.
Diese gespeicherten Bilder können von der KI auch im Nachhinein analysiert werden, um sie auf Diabetesrisiken zu untersuchen. Dadurch wird eine breitere Bevölkerungsgruppe abgedeckt, und die Warnzeichen für Diabetes können sogar bis zu drei Jahre vor der klassischen Diagnose erkannt werden.
Weitere Krankheiten stehen auf dem Plan
Das Forscherteam hat ambitionierte Pläne für die Zukunft, die darauf abzielen, das KI-Modell in die elektronischen Patientenaktensysteme zu integrieren, um eine frühzeitige Erkennung von Diabetes zu ermöglichen.
Für die Weiterentwicklung des Modells ist vorgesehen, dass es auch in der Lage sein soll, Gefäßerkrankungen, Herzinsuffizienz und chronisch obstruktive Lungenerkrankungen zu erkennen.
Diese Erweiterung der diagnostischen Kapazität könnte Ärzten frühzeitig Warnsignale übermitteln und somit die Möglichkeit bieten, eine Behandlung einzuleiten, bevor die Krankheiten ein kritisches Stadium erreichen.
