Beiträge aus der Wissenschaft

KI erkennt seltene Formen von Demenz

11.01.2023 10:48

Literature advertisement

Plötzlich gesund

Fortschreitende Naturerkenntnis, ganz allgemein gesprochen, ‘Wissenschaft’, ist der stärkste Feind des medizinischen Wunders. Was unseren Vorfahren als Wunder erschien, was einfache Naturvölker heute noch in heftige Erregung versetzt, das berührt den zivilisierten Menschen längst nicht mehr.
Doch es gibt einen Gegensatz, der jedem Denkenden sofort auffällt: der unerhörte, durchaus nicht abgeschlossene Aufstieg der wissenschaftlichen Heilkunde und die ebenso unerhörte Zunahme der Laienbehandlung und der Kurpfuscherei. Man schätzt die Zahl der Menschen, die der Schulmedizin kein Vertrauen schenken, auf immerhin 50 Prozent.
Wie kann es sein, daß Laienbehandler und Kurpfuscher immer wieder spektakuläre Erfolge aufweisen, von denen die Sensationspresse berichtet?
Der Autor geht dieser Frage nach und kommt zu interessanten Erkenntnissen, aus denen er Vorschläge für eine bessere Krankenbehandlung durch seine ärztlichen Standesgenossen ableitet.

Hier geht es weiter …

KI erkennt seltene Formen von Demenz

WissenschaftlerInnen des MPI CBS und des Universitätsklinikums Leipzig haben neue Verfahren der Künstlichen Intelligenz und des Maschinenlernens genutzt, um auf MRT-Bildern seltene Krankheitsformen der Demenz zu erkennen. In ihrer Studie zeigen die Forschenden, dass die KI automatisch Muster in Bildgebungsdaten von PatientInnen erkennen kann, die spezifisch für seltene Demenz-Erkrankungsformen sind und damit eine frühe Diagnostik ermöglichen. Dabei wurden neben der Alzheimer-Krankheit mit Gedächtnisstörung viele andere Krankheiten eingeschlossen, die durch eine Veränderung der Sprache, der Persönlichkeit oder der Motorik charakterisiert sein können.

Herr M. bemerkte im Alter von 40 Jahren, dass ihm Worte nicht mehr einfielen. Dies betraf besonders selten verwendete Wörter wie „Schwimmflosse“ oder „Füller“. Das Verstehen von Sprache funktionierte jedoch im beruflichen und privaten Alltag. Auch konnte er sich die Namen von Bekannten und KollegInnen nicht mehr merken. Seiner Frau fiel auf, dass er ihr nicht mehr richtig zuhörte und von der Arbeit nicht mehr abschalten konnte. Was war mit ihm los? Im Krankenhaus stellte man eine Abnahme des Hirnvolumens im Schläfenlappen fest. Doch an welcher Krankheit litt Herr M.? Eine Alzheimer-Demenz, hatte er doch Probleme mit dem Gedächtnis? Dabei war er noch relativ jung – hatten solche Erkrankungen nicht nur Ältere? Die Ärzte fanden heraus, dass Herr M. ihm gezeigte Dinge nicht richtig benennen konnte, besonders Tiere. Er war sich unsicher, welche Eigenschaften für bestimmte Dinge typisch sind, z. B. ob eine Giraffe ein Fell oder Schuppen hat. Auch gab es Probleme mit dem Gedächtnis.

Matthias Schroeter, der am MPI CBS forscht und an der Klinik für Kognitive Neurologie des Universitätsklinikums Leipzig als Oberarzt arbeitet, erklärt: „Solche Fragestellungen wie bei Herrn M., einem Patienten aus unserer Studie, sind typisch im klinischen Alltag. Dabei stellt sich zuallererst die Frage nach der richtigen Diagnose, damit die Therapie an jeden einzelnen Patienten und seine spezifische Krankheit angepasst werden kann. Neben der Alzheimer-Demenz, die als neurodegenerative Erkrankung am bekanntesten und durch Beeinträchtigungen im Gedächtnis charakterisiert ist, gibt es jedoch sehr viele andere Erkrankungen, die auch eine andere Therapie erfordern. Diese sogenannten ‚orphan diseases‘, also seltene Krankheiten, die häufig im frühen Alter auftreten können, erfordern spezialisierte medizinische Zentren.“

Schroeter und seine Kollegin Leonie Lampe haben in ihrer Studie neue Verfahren der Künstlichen Intelligenz und des Maschinenlernens genutzt, um diese Krankheiten automatisch zu erkennen. So haben die ForscherInnen die Struktur des Gehirns von PatientInnen des Universitätsklinikums Leipzig und aus anderen klinischen Zentren in Deutschland mithilfe der Magnetresonanztomographie (MRT) analysiert. Sie konnten zeigen, dass auf diese Weise seltene Formen der Demenz früh erkannt werden können. Dabei wurden neben PatientInnen, die eine Alzheimer-Krankheit mit Gedächtnisstörung aufwiesen, auch viele andere Krankheiten eingeschlossen, die durch eine Veränderung der Sprache, der Persönlichkeit oder der Motorik charakterisiert sein können. „Wir konnten anders als bei vorherigen Studien nicht nur Erkrankungen im Vergleich mit Gesunden sehr gut erkennen, sondern zusätzlich die spezifische Krankheit im Vergleich zu anderen Demenz-Krankheiten identifizieren. Dies ist ein entscheidender Schritt auf dem Weg zu einer an jeden einzelnen Betroffenen und seine Krankheit angepassten Therapie“, fasst Matthias Schroeter zusammen.

Bei Herrn M. wurde schließlich eine Erkrankung der Sprachfunktionen – eine semantische Variante der primär progressiven Aphasie – festgestellt. Intensive Therapie ermöglichte ihm, seine Probleme zu kompensieren, sodass er auch acht Jahre nach der Diagnosestellung weiter in seinem Beruf als Verkäufer tätig sein kann. „Auch wenn der Verlauf dieser Krankheiten voranschreitet, können Betroffene in frühen Erkrankungsphasen mit Unterstützung weiterhin arbeiten und ihren Alltag bewältigen. Deshalb sind eine frühe Diagnosestellung und die individuelle Anpassung der Therapiemaßnahmen von entscheidender Bedeutung“, sagt Matthias Schroeter.

Diese Studie wurde mitfinanziert im Rahmen der eHealth-Sax-Initiative der Sächsischen Aufbaubank (SAB) und mithin mit Steuermitteln auf Grundlage des vom sächsischen Landtag beschlossenen Haushaltes.

Wissenschaftliche Ansprechpartner:

Prof. Matthias Schroeter
Gruppenleiter
schroet@cbs.mpg.de

Originalpublikation:

Leonie Lampe, Hans-Jürgen Huppertz, Sarah Anderl-Straub, Franziska Albrecht, Tommaso Ballarini, Sandrine Bisenius, Karsten Mueller, Sebastian Niehaus, Klaus Fassbender, Klaus Fliessbach, Holger Jahn, Johannes Kornhuber, Martin Lauer, Johannes Prudlo, Anja Schneider, Matthis Synofzik, Jan Kassubek, Adrian Danek, Arno Villringer, Janine Diehl-Schmid, Markus Otto, MD, Matthias L. Schroeter:
“Multiclass prediction of different dementia syndromes based on multi-centric volumetric MRI imaging”
In: NeuroImage
https://www.sciencedirect.com/science/article/pii/S2213158223000098