Forscher der kalifornischen Berkeley-Universität trainierten eine KI mit Hirnscans. Die konnte anschließend Alzheimer-Erkrankungen bis zu sechs Jahre vor der eigentlichen Diagnose erkennen. Eine frühe Behandlung ist wichtig: Sie kann das Fortschreiten der Krankheit verlangsamen oder gar stoppen.

Das Team trainierte das künstliche neuronale Netz mit sogenannten FDG-PET-Hirnscans. Hierbei wird eine radioaktive Glukose-Verbindung (FDG) in den Blutkreislauf gespritzt. Der Stoff wird vom Hirn aufgenommen und verarbeitet als sei es gewöhnliche Glukose.

Anhand eines PET-Hirnscans (Positronen-Emissions-Tomographie) können Ärzte den Stoffwechsel im Hirn beobachten und feststellen, wie schnell die Glukose von den Hirnzellen verarbeitet wird.

Ist diese Aktivität in bestimmten Hirnregionen eingeschränkt, kann das ein Hinweis auf eine Alzheimer-Erkrankung sein. Dass leichte Beeinträchtigungen des kognitiven Systems ähnlich aussehende Hirnscans hervorbringen, erschwert die Diagnose. Deshalb müssen die Bilder für eine stichhaltige Alzheimer-Diagnose eingehend von Spezialisten untersucht werden.

KI lernt alzheimertypische Stoffwechselmuster

Die Forscher griffen für das KI-Training auf eine Datenbank aus mehr als 2.000 Hirnscans von 1.000 Patienten zurück. 90 Prozent des Bildmaterials dienten dem Training, an den restlichen zehn Prozent wurde die Diagnosefähigkeit des künstlichen neuronalen Netzes getestet.

Das Team validierte die KI zudem an Hirnscans von 40 Patienten, die zwischen 2006 und 2016 erstellt wurden und verglich die KI-Diagnosen mit jenen von Spezialisten, die dasselbe Datenmaterial auswerteten.

Das Ergebnis: Nach dem Training diagnostizierte der Algorithmus die Krankheit in hundert Prozent der Fälle richtig, in 82 Prozent der Fälle konnte sie Alzheimer korrekt ausschließen. Die Spezialisten diagnostizierten die Krankheit in 57 Prozent der Fälle richtig, in 91 Prozent der Fälle konnten sie die Krankheit korrekt ausschließen.

Die Forscher stellen Einschränkungen der Studie heraus: Die Datenbank und mit ihr die Trainingsdaten seien recht beschränkt. Der Algorithmus müsse sich erst noch an einem größeren Datensatz beweisen.

Künstliche Intelligenz habe jedoch großes Potenzial, Alzheimer frühzeitig zu erkennen, wie bereits frühere Forschung nahelegt. Das künstliche neuronale Netz könne in Zukunft lernen, auch andere Alzheimer-Symptome im Hirn zu erkennen und auszuwerten.

Die Forschungsarbeit kann hier eingesehen werden.

Weiterlesen zum Thema:

| Featured Image: Radiological Society of North America | Source: Medical X Press /  Engadget / Venturebeat

Tagesaktuelle und redaktionell ausgewählte Tech- und VR-Deals: Zur Übersicht
VRODO-Podcast #115: Oculus Rift 2, Pimax Vorbestellstart, AWE 2018 | Alle Folgen anhören


Unsere Artikel enthalten vereinzelt sogenannte Affiliate-Links. Bei einem Kauf über einen dieser Links erhalten wir eine kleine Provision. Der Kaufpreis bleibt gleich.