KI-Durchbruch: Deep-Learning-Modell erkennt frühe Alzheimer-Anzeichen in Hirnscans

Eine bahnbrechende neue Studie hat ein künstliches Intelligenzsystem entwickelt, das frühe Anzeichen der Alzheimer-Krankheit in Standard-MRT-Aufnahmen des Gehirns mit bemerkenswerter Genauigkeit erkennen kann. Dieser innovative Ansatz könnte die Art und Weise revolutionieren, wie wir eine der verheerendsten neurologischen Erkrankungen, die weltweit Millionen von Menschen betrifft, screenen und diagnostizieren.

Forscher der New York University haben ein Deep-Learning-Modell entwickelt, das herkömmliche Methoden bei der Identifizierung nicht nur von ausgeprägter Alzheimer-Krankheit, sondern auch ihrer frühesten Stadien, in denen Interventionen am wirksamsten sein könnten, übertrifft. Ihre Ergebnisse, die in der Fachzeitschrift Scientific Reports veröffentlicht wurden, zeigen, wie KI subtile Muster aus Hirnbildern extrahieren kann, die selbst erfahrenen Radiologen entgehen könnten.

Die Kraft des Deep Learning

Die Forscher trainierten ihr künstliches neuronales Netzwerk mit Tausenden von Hirnscans aus der Datenbank der Alzheimer’s Disease Neuroimaging Initiative (ADNI). Im Gegensatz zu früheren Ansätzen, die sich auf vorausgewählte Hirnregionen stützten, lernt dieses KI-System, relevante Merkmale direkt aus den Rohdaten der Bilder zu identifizieren.

Bei Tests an einem unabhängigen Datensatz des National Alzheimer’s Coordinating Center (NACC) erreichte das Modell eine beeindruckende Genauigkeit von 85% bei der Unterscheidung zwischen kognitiv normalen Probanden und solchen mit leichter kognitiver Beeinträchtigung oder früher Alzheimer-Krankheit.

Besonders spannend ist, dass die KI eine Fähigkeit zur Erkennung von leichter kognitiver Beeinträchtigung – oft ein Vorläufer von Alzheimer – mit einer Genauigkeit von 62% demonstrierte. Auch wenn dies nicht hoch erscheinen mag, übertrifft es bestehende Methoden für diese notorisch schwierige Diagnose deutlich.

Schneller und umfassender

Neben der verbesserten Genauigkeit bietet das KI-System große praktische Vorteile. Herkömmliche Methoden zur Analyse von Hirnscans auf Alzheimer-Anzeichen beruhen auf zeitaufwändigen Messungen spezifischer Hirnregionen. Das Deep-Learning-Modell kann dagegen einen gesamten Hirnscan in wenigen Sekunden verarbeiten.

Die KI scheint auch eine ganzheitlichere Sicht auf das Gehirn zu haben. Während sich herkömmliche Techniken stark auf einige wenige Schlüsselbereiche wie den Hippocampus konzentrieren, identifizierte das Deep-Learning-Modell relevante Muster in einem viel breiteren Spektrum von Hirnregionen.

Vorhersage des Krankheitsverlaufs

In einem besonders interessanten Ergebnis zeigte das KI-Modell Potenzial zur Vorhersage, welche Patienten mit leichter kognitiver Beeinträchtigung am wahrscheinlichsten eine vollständige Alzheimer-Krankheit entwickeln würden. Patienten, die von der KI fälschlicherweise als Alzheimer-Patienten eingestuft wurden, obwohl bei ihnen nur MCI diagnostiziert wurde, neigten dazu, schneller eine Demenz zu entwickeln als andere MCI-Patienten.

Dies deutet darauf hin, dass das Deep-Learning-System möglicherweise subtile Veränderungen im Gehirn erkennt, die auftreten, bevor offensichtliche Symptome erscheinen. Eine solch frühe Erkennung könnte entscheidend für die Erprobung neuer Behandlungen und Interventionen sein.

Der Weg in die Zukunft

Obwohl diese Ergebnisse äußerst vielversprechend sind, betonen die Forscher, dass größere Studien erforderlich sind, bevor solche KI-Systeme klinisch eingesetzt werden könnten. Sie merken auch an, dass die Kombination der KI-Vorhersagen mit anderen Daten wie genetischen Risikofaktoren die Genauigkeit weiter verbessern könnte.

Dennoch stellt diese Studie einen bedeutenden Schritt vorwärts bei der Anwendung künstlicher Intelligenz auf eine der größten Herausforderungen der Medizin dar. Mit einer alternden Bevölkerung werden Werkzeuge, die die Alzheimer-Krankheit früh und genau erkennen können, immer wichtiger. Dieser Deep-Learning-Durchbruch bietet Hoffnung, dass KI eine entscheidende Rolle im Kampf gegen diese verheerende Erkrankung spielen könnte.

Quelle
Liu, S., Masurkar, A.V., Rusinek, H. et al. Generalizable deep learning model for early Alzheimer’s disease detection from structural MRIs. Sci Rep 12, 17106 (2022). https://doi.org/10.1038/s41598-022-20674-x