KI punktet bei Demenzdiagnostik Algorithmus sagt Krankheitsverlauf bei früher Alzheimerkrankheit voraus
Für die Früherkennung von Demenzerkrankungen fehlt es an zuverlässigen Diagnoseinstrumenten. Zunehmend werden daher Ansätze genutzt, die auf Künstlicher Intelligenz (KI) basieren. Doch der Einsatz der Algorithmen ist mit Einschränkungen verbunden: Sie werden anhand von Daten aus Forschungskohorten trainiert und stoßen an ihre Grenzen, sobald sie in der klinischen Praxis mit realen Patientendaten konfrontiert werden. Zudem lassen die Simulationen kaum Vorhersagen zum individuellen Krankheitsverlaufs zu.
Ein Team um Dr. Liz Yuanxi Lee von der University of Cambridge entwickelte daher ein prädiktives Prognosemodell, das den individuellen Krankheitsverlauf mithilfe eines metrischen Lernalgorithmus modelliert.
Software mithilfe von Real-World-Daten trainiert
Dieses Modell trainierten die Wissenschaftlerinnen und Wissenschaftler mit den unterschiedlichsten, nicht-invasiv erhobenen Daten von 410 Patientinnen und Patienten der ADNI*-Kohorte, etwa mit den Untersuchungsergebnissen aus kognitiven Tests oder den Befunden aus der MRT. Anschließend validierten sie die Software anhand 609 weiterer Mitglieder der ADNI-Kohorte sowie mittels der Ergebnisse aus zwei Längsschnittstudien mit 272 bzw. 605 Patientinnen und Patienten aus spezialisierten Kliniken.
Die KI erwies sich als ziemlich treffsicher: Personen, bei denen sie einen stabilen Verlauf vorhersagte, erkrankten nur selten (0,5 %) an Alzheimerdemenz. Knapp 19 % derjenigen, für die sie eine langsame Progression errechnet hatte, und gut 41 % der Personen mit einem als schnell prognostizierten Verlauf, entwickelten innerhalb von drei Jahren deutliche Alzheimersymptome.
Zudem konnte das Modell mit einer Sensitivität von 82 % und einer Spezifität von 81 % vorhersagen, ob die Betroffenen stabil im Stadium einer leichten kognitiven Beeinträchtigung bleiben oder später an Alzheimer erkranken würden. In der Frage, ob das aktuelle Stadium zur manifesten Demenz fortschreitet, war der Algorithmus 3,4-mal genauer als die üblichen klinischen Marker wie Atrophie der grauen Substanz oder kognitive Tests und 2,8-mal genauer als die Prognose allein anhand des klinischen Bildes.
* Alzheimer’s Disease Neuroimaging Initiative
Quelle: Li LY et al. eClinicalMedicine 2024; 74: 102725; DOI: 10.1016/j.eclinm.2024.102725