Eine von kalifornischen Forschern trainierte KI ist nun in der Lage, die frühen Anzeichen der Alzheimer-Krankheit zu erkennen. Der Algorithmus ist in der Lage, frühe Anzeichen im Durchschnitt sechs Jahre zu erkennen, bevor menschliche Ärzte eine Diagnose stellen können.
Siehe verwandt Wie das King’s College London KI zur Behandlung von Krebs einsetztEine KI kann Herzkrankheiten besser diagnostizieren als ein ArztWas ist KI? Zehn Dinge, die Sie über die Zukunft der künstlichen Intelligenz wissen müssen
Das Forschungsteam zeigte, dass das neurale Netzwerk, sobald es trainiert war, in der Lage war, Bilder des Gehirns von Patienten zu scannen und das Vorhandensein von Alzheimer im Durchschnitt 75,8 Monate vor der eigentlichen Diagnose zu erkennen.
Das 20-köpfige Team stützte seine Forschung auf eine moderne Diagnosemethode namens F-FDG-PET (oder Fluor-18-(18F)-Fluordesoxyglukose-Positronen-Emissions-Tomographie), bei der ein radioaktiver Glukosefarbstoff durch das Gehirn geleitet und fotografiert wird. Spezialisten untersuchen und interpretieren diese Bilder dann mit bloßem Auge auf Anzeichen von Alzheimer, einer Vorstufe, die als leichte kognitive Beeinträchtigung (MCI) bekannt ist, oder anderer verwandter Erkrankungen im gesamten Spektrum.
Obwohl diese Methode zeitaufwändig erscheint, hat sie zu schnelleren und früheren Diagnosen und wirksameren Behandlungen geführt.
Da diese Methode auf Mustererkennung angewiesen ist, sahen die Forscher darin eine Gelegenheit, ihre Leistung durch den Einsatz eines selbstlernenden KI-Algorithmus erheblich zu verbessern, und veröffentlichten ihre Ergebnisse in Radiology .
„Es ist allgemein anerkannt, dass Deep Learning dabei helfen kann, die zunehmende Komplexität und Menge von Bildgebungsdaten sowie das unterschiedliche Fachwissen ausgebildeter Bildgebungsärzte zu bewältigen“, schrieb das Team. „Die Anwendung der maschinellen Lerntechnologie auf komplexe Befundmuster, wie sie beispielsweise bei der funktionellen PET-Bildgebung des Gehirns gefunden werden, steht erst am Anfang der Erforschung.“
„Wir stellten die Hypothese auf, dass der Deep-Learning-Algorithmus Merkmale oder Muster erkennen könnte, die bei der standardmäßigen klinischen Überprüfung von Bildern nicht offensichtlich sind, und dadurch die endgültige diagnostische Klassifizierung von Personen verbessern könnte.“
Sie wollten evaluieren, ob ein Deep-Learning-Algorithmus trainiert werden könnte, um die endgültige klinische Diagnose bei Patienten vorherzusagen, die sich einer F-FDG-PET unterzogen hatten, und wie sein Erfolg im Vergleich zu aktuellen klinischen Standards abschneidet.
Aus ihrer Studie von 2.109 Bildern von 1.002 Patienten, die bereits diagnostiziert worden waren, fanden sie heraus, dass ihr Algorithmus in der Lage war, Alzheimer in Bildern zu erkennen, die im Durchschnitt mehr als sechs Jahre vor der Diagnose aufgenommen wurden. Der Algorithmus war bei der Erkennung von Patienten, die später an Alzheimer erkranken würden, besser als von Ärzten, sowie von Patienten, die weder Alzheimer noch seine Vorläufer-MCI entwickeln würden.
Diese Ergebnisse sind die neuesten in einer Reihe von Studien und Versuchen, die das potenzielle Potenzial der KI zur Umgestaltung der Gesundheitsvorsorge und Diagnose aufzeigen.
Im September enthüllte das Francis Crick Institute, dass eine KI gelernt hat, die Sterblichkeitsrate von Herzkrankheiten bei Patienten mit einem höheren Maß an Genauigkeit zu modellieren und vorherzusagen als ausgebildete Ärzte oder von Experten erstellte Modelle.
Das KI-Projekt DeepMind von Google erreichte unterdessen im Sommer einen wichtigen Meilenstein, da sein KI-System innerhalb von Sekunden 3D-Bilder des Auges untersuchen und sehkraftgefährdende Zustände diagnostizieren sowie Behandlungsempfehlungen geben konnte.
Der in Zusammenarbeit mit dem Londoner Moorfields Eye Hospital getestete Algorithmus war in der Lage, mit einer Genauigkeit von 94 % den besten Behandlungsweg für mehr als 50 Augenkrankheiten zu empfehlen.
Obwohl sie eine Handvoll einschränkender Faktoren beklagten, einschließlich einer kleinen Stichprobengröße, kamen die kalifornischen Forscher zu dem Schluss, dass sie einen Deep-Learning-Algorithmus entwickelt hatten, der Alzheimer „mit hoher Genauigkeit und Robustheit“ vorhersagen kann.
Sie fügten hinzu, dass der von ihnen entwickelte Algorithmus mit Zugang zu einem viel größeren Datenvolumen und Möglichkeiten zur Kalibrierung des Modells direkt in den Arbeitsablauf von Klinikern integriert werden könnte und als wesentliches Hilfsmittel zur Unterstützung dienen könnte.