02_2017
"Das Potential künstlicher Intelligenz in der frühen Alzheimer-Diagnose"


Die derzeitige Diagnostik zur Bestimmung von Alzheimer und dessen Unterscheidung von anderen Erkrankungen basiert auf unterschiedlichen Verfahren: Denk-Leistungs-Tests (Artikel 07_2015), Magnetresonanztomographie (MRT) und Bestimmung von Biomarkern wie Tau und Amyloid-β, welche in der Flüssigkeit, die Gehirn und Rückenmark umgibt, nachgewiesen werden können (Artikel 03_2016). Eine besondere Herausforderung hierbei ist die Unterscheidung zwischen beginnender Alzheimer Krankheit und frühen Stadien anderer Demenzerkrankungen, da die Symptome weniger ausgeprägt sind als im späteren Krankheitsverlauf. Gleichzeitig ist es schwierig vorherzusagen, ob ein Patient mit leichten Denkleistungsdefiziten überhaupt Alzheimer entwickeln wird. Die derzeitige Wahrscheinlichkeit einer richtigen Diagnose liegt bei etwa 65 %1. Blutbasierte Tests, wie sie bereits für verschiedene Krebsarten zum Einsatz kommen, befinden sich zwar in der Entwicklung, sind jedoch aufgrund wissenschaftlicher und regulatorischer Hürden erst in ferner Zukunft zu erwarten.

Die Nutzung künstlicher Intelligenz* ist in verschiedensten Bereichen der Wirtschaft bereits verbreitet und in täglicher Nutzung. Im Gesundheitswesen setzen neben etablierten Konzernen wie Google (Google Deepmind Health) oder IBM (WatsonPaths) vor allem viele junge Unternehmen auf dieses Potential z.B. zur Unterstützung der Diagnose von Alzheimer. Diese Methode bietet eine einfache, kostengünstige und nicht invasive Lösung zur Diagnose früher Stadien der Alzheimer Krankheit für eine große Anzahl an Personen. Unter Zuhilfenahme komplexer mathematischer Modelle werden große, unter anderen Umständen nicht verwertbare, Datenmengen in kürzester Zeit analysiert und bewertet. Einer künstlichen Intelligenz ist es dabei möglich, krankheitsrelevante Muster in diesen Daten zu erkennen, zu interpretieren und für künftige Analysen zu speichern. Die Ziele sind, eine frühere Behandlung durch Medikamente, erweiterte Therapieformen oder eine bessere Charakterisierung von Patientengruppen für zum Beispiel klinische Studien zu erreichen. Doch auf welche Weise können Computer zukünftig helfen, den frühen Verlust der Denkleistung zu diagnostizieren?

Eine Möglichkeit ist die Analyse der Sprache von Patienten zur Beschreibung von Gegenständen, bei der die künstliche Intelligenz in Kombination mit einer Spracherkennungs-Software beispielsweise Faktoren wie Grammatik, Aussprache, Sprachpausen, Komplexität der Sprache und Art der Beschreibung analysiert und daraus die Denkleistungsdefizite anhand von mehreren hundert Parametern ermittelt. Im Abgleich mit bestehenden und anonymen Patientendaten kann somit nicht nur eine frühere Diagnose erfolgen, sondern auch der Alzheimerverlauf des Patienten dokumentiert werden. Unter Laborbedingungen konnte mit diesem Verfahren die Diagnose Alzheimer mit einer Wahrscheinlichkeit von etwa 83% treffend gestellt werden. Klinische Studien mit mehr als 100.000 Patienten sind in Planung2.

Eine Alternative zu diesem Ansatz bietet eine web-basierte App mit dem Namen Imprint Check-Up3. Bei diesem Verfahren wird nicht nur die Sprache, sondern auch die Augenbewegungen beim Betrachten von unterschiedlichen Bildern durch eine Kamera aufgezeichnet und Bewegungsmuster sowie Betrachtungsdauer analysiert. Diese Analyse gibt Aufschluss über den Transfer von Informationen vom Kurzzeit- zum Langzeitgedächtnis und somit über den Gedächtniszustand des Patienten. Laut einer vom Hersteller publizierten Studie mit 92 Patienten ist mit diesem System eine bis zu drei Jahre frühere Diagnose von Alzheimer möglich. Hintergrund dieser Innovation war die Beobachtung, dass Primaten mit Denkleistungs-Störungen bekannte Bilder länger betrachten als gesunde Artgenossen.

Parallel dazu gibt es Ansätze, Bildgebungsverfahren wie die Magnetresonanztomographie (MRT) zu nutzen, um Rückschlüsse auf den aktuellen Zustand des Patienten zu ziehen sowie zukunftsgerichtete Aussagen zu treffen. Hierbei werden zum Beispiel strukturelle MRT-Daten mit der Hirndurchblutung und/oder dem Sauerstoffverbrauch im Gehirn kombiniert und mit Hilfe künstlicher Intelligenzen bis zu 10.000-mal schneller ausgewertet als durch einen erfahrenen Radiologen4. Dies hat den Vorteil, dass nach ersten diagnostischen Verfahren eine Fehldiagose um bis zu 50% reduziert werden kann5. Andere Systeme dieser Art können mit 90%-er Genauigkeit zwischen Alzheimer und anderen Formen der Demenz unterscheiden, indem sie MRT-gestützt beispielsweise Strömungsverhältnisse des Bluts im Hirngewebe verwenden6 oder aufgrund des Sauerstoffgehalts in den Hirnarealen eine örtlich und zeitlich aufgelöste Karte von aktiven Verknüpfungen erstellen. Die Ergebnisse werden anschließend mit Patientendaten wie Alter, Geschlecht und Risikofaktoren verknüpft, um somit Vorhersagen über eine mögliche Alzheimer Erkrankung zu ermöglichen7. Der Aufwand dieser MRT-gestützten Methoden scheint gegenüber den vorherigen Verfahren sehr hoch und kostenintensiv zu sein, bietet jedoch im Gegenzug zusätzliche wissenschaftliche Erkenntnisse über biologische Prozesse, die im Zusammenhang mit der Entstehung von Alzheimer stehen und somit neue therapeutische Ansätze ermöglichen können.

Die meisten der oben beschriebenen Verfahren befinden sich noch in der Entwicklungs- oder Prüfungsphase und sind durch die Qualität sowie Anzahl der Daten in ihren Prognosen limitiert. Nichtsdestotrotz zeigen die verschiedenen Ansätze im Bereich der künstlichen Intelligenz, welches Potential in dieser Entwicklung steckt, besonders da auch negative Resultate in die Prozesse der lernenden Maschinen einfließen und somit die Aussagekraft verbessern. Des Weiteren ermöglichen diese Verfahren die Verarbeitung einer nie da gewesenen Fülle von Daten und somit das Erlangen zahlreicher neuer Erkenntnisse.

1: Neurobiol Aging. 2012 Jul;33(7):1203-14. doi: 10.1016/j.neurobiolaging.2010.10.019. Epub 2010 Dec 14.
2: www.winterlightlabs.com and http://www.canaryspeech.com
3: https://www.neurotrack.com/#/?_k=11ol7n
4: http://www.enlitic.com/index.html
5: http://avalonai.strikingly.com
6: Radiology. 2016 Dec;281(3):865-875. Epub 2016 Jul 6.
7: http://spectrum.ieee.org/the-human-os/biomedical/diagnostics/can-deep-learning-help-clinicians-predict-alzheimers-disease
* Der Begriff der künstlichen Intelligenz (KI) wird unterschiedlich interpretiert und verwendet. In diesem Artikel meint eine KI den Versuch, eine menschenähnliche Intelligenz nachzubilden, d. h., einen Computer so zu programmieren, dass er lernt und eigenständig Probleme bearbeiten kann.

 

Zur Person Dr. Mathias Falcenberg:

Investment Analyst bei Forbion Capital Partners, einer Venture-Kapitalgesellschaft, die in therapeutische, diagnostische und medizintechnische Unternehmen mit zukunftsgerichteten Innovationen investiert.

Wir wollen die für Sie wichtigsten Informationen und Services bestmöglich bereitstellen. Um uns dies zu ermöglichen, benötigen wir Ihr Einverständnis, dass wir mit Hilfe des Web-Analyse-Tool »Google Analytics« eine anonymisierte Auswertung Ihres Besuchs zu statistischen Zwecken erstellen und auswerten dürfen. Dafür verwenden wir unterschiedliche Cookies. Sie können die Nutzung dieser per Klick auf „Konfigurieren“ einstellen, andernfalls speichern wir die aktuellen Einstellungen für 12 Monate.