Verschiedene Formen von Demenz können mithilfe künstlicher Intelligenz diagnostiziert werden

Jedes Jahr werden zehn Millionen neue Fälle von Demenz diagnostiziert, aber das Vorliegen verschiedener Demenzformen und sich überschneidender Symptome können die Diagnose und die Bereitstellung wirksamer Behandlungen erschweren. Forscher der Boston University haben ein KI-Tool entwickelt, das zehn verschiedene Arten von Demenz diagnostizieren kann, darunter vaskuläre Demenz, Lewy-Körper-Demenz und frontotemporale Demenz, selbst wenn diese gleichzeitig auftreten.

Die Forscher haben ein multimodales Framework für maschinelles Lernen (ML) entwickelt, das anhand häufig erhobener klinischer Daten wie demografischer Informationen, der Krankengeschichte von Patienten und Familien, der Einnahme von Medikamenten, neurologischen und neuropsychologischen Untersuchungsergebnissen sowie Neurobildgebungsdaten wie MRT-Scans spezifische Pathologien, die Demenz verursachen, genau identifiziert. Die Ergebnisse wurden online in Nature Medicine veröffentlicht.

KI kann helfen, indem sie Demenz frühzeitig erkennt, und Ärzte bei der effektiveren Behandlung ihrer Patienten unterstützt

„Unser generatives KI-Tool ermöglicht eine differenzierte Demenzdiagnose anhand routinemäßig erhobener klinischer Daten und zeigt damit sein Potenzial als skalierbares Diagnosewerkzeug für AD und verwandte Demenzerkrankungen“, sagt der korrespondierende Autor Vijaya B. Kolachalama, PhD, FAHA, Associate Professor für Medizin an der Boston University Chobanian & Avedisian School of Medicine. „Die Möglichkeit, Diagnosen anhand routinemäßig erhobener klinischer Daten zu erstellen, wird angesichts der erheblichen Herausforderungen beim Zugang zu Goldstandard-Tests nicht nur in abgelegenen und wirtschaftlich schwachen Regionen und in städtischen Gesundheitszentren immer wichtiger“, fügt Kolachalama hinzu, der auch Associate Professor für Informatik, Affiliate Faculty des Hariri Institute for Computing und Gründungsmitglied der Fakultät für Informatik und Datenwissenschaften an der Boston University ist.

In der Studie wurde das multimodale ML-Framework anhand von Daten aus mehr als 50.000 Personen aus neun verschiedenen globalen Datensätzen trainiert. Das Modell erreichte bei der Unterscheidung der Demenztypen eine Fläche unter der Empfänger-Operationscharakteristik-Kurve (ROC) von 0,96. Der ROC-Wert kann zwischen 0 und 1 liegen. Ein Wert von 0,5 bedeutet zufälliges Raten, ein Wert von 1 bedeutet eine perfekte Leistung. Das Team verglich auch die Leistung von Neurologen und Neuroradiologen, die allein arbeiteten, mit der Leistung der KI-Tool und stellte fest, dass KI die Genauigkeit von Neurologen bei allen 10 Demenztypen um mehr als 26% steigern kann. Anhand von 100 zufällig ausgewählten Fällen wurden 12 Neurologen gebeten, eine Diagnose zu stellen und eine Konfidenzbewertung zwischen 0 und 100 abzugeben. Dieser Konfidenzwert wurde dann mit dem vom KI-Tool ermittelten Wahrscheinlichkeitswert gemittelt, um einen KI-gestützten Neurologenwert zu erhalten.

Es gibt weltweit nicht genügend Neurologie-Experten, und die Zahl der Patienten, die ihre Hilfe benötigen, wächst schnell. Dieses Missverhältnis belastet das Gesundheitssystem erheblich. Die Forscher glauben, dass KI helfen kann, indem sie diese Erkrankungen frühzeitig erkennt und Ärzte bei der effektiveren Behandlung ihrer Patienten unterstützt, sodass eine Verschlimmerung der Erkrankungen verhindert wird. Angesichts der Tatsache, dass sich die Zahl der Demenzfälle in den nächsten 20 Jahren voraussichtlich verdoppeln wird, hoffen die Forscher, dass dieses KI-Tool eine genaue Differentialdiagnose ermöglichen und den steigenden Bedarf an gezielten therapeutischen Maßnahmen für Demenzkranke decken kann.