Ein neu entwickeltes Modell der Künstlichen Intelligenz verspricht eine völlig neue Dimension in der medizinischen Forschung. Das System namens Delphi-2M kann für mehr als 1000 Krankheiten das Risiko einer Erkrankung über einen Zeitraum von zehn Jahren im Voraus berechnen. Entwickelt wurde es vom Europäischen Laboratorium für Molekularbiologie, dem Deutschen Krebsforschungszentrum und der Universität Kopenhagen. Die Ergebnisse erschienen im Fachjournal Nature.
Inhaltsverzeichnis:
- Delphi-2M und die Forschung in Heidelberg und Kopenhagen
- Aussagen von Moritz Gerstung und die Genauigkeit der Prognosen
- Zukunftsszenarien von Carsten Marr und neue Zusammenhänge
- Julian Varghese und die Grenzen des Modells
- Anwendung auf Bevölkerungsebene
Delphi-2M und die Forschung in Heidelberg und Kopenhagen
Das Modell wurde mit den Gesundheits- und Lebensstildaten von 400.000 Menschen trainiert. Es nutzt Methoden, die jenen von Sprachmodellen ähneln, analysiert jedoch nicht Sprache, sondern medizinische Parameter. Tom Fitzgerald vom Europäischen Institut für Bioinformatik erklärte, dass dabei Muster im Hintergrund der Patientinnen und Patienten erkannt werden.
Anschließend wurde Delphi-2M an Datensätzen von 1,9 Millionen Personen aus dem Dänischen Nationalen Patientenregister getestet. Die Resultate zeigen, dass die Vorhersagen oft besser oder zumindest gleichwertig zu bisherigen Modellen sind. Wichtig ist jedoch, dass nur Wahrscheinlichkeiten berechnet werden. Ein sicherer Ausbruch einer Krankheit lässt sich nicht vorhersagen.
- Risikoabschätzung für über 1000 Erkrankungen
- Vorhersage bis zu 10 Jahre im Voraus
- Nutzung internationaler ICD-Klassifikation
- Training mit 400.000 Datensätzen, Test mit 1,9 Millionen Personen
Aussagen von Moritz Gerstung und die Genauigkeit der Prognosen
Die Genauigkeit hängt von der Art der Krankheit und der Datenlage ab. Zu Diabetes, Herzinfarkt, Blutsepsis oder bestimmten Krebsarten liefert das Modell zuverlässige Prognosen. Schwieriger ist es bei Infektionskrankheiten, psychischen Störungen, Schwangerschaftskomplikationen oder seltenen Erkrankungen.
Moritz Gerstung vom Deutschen Krebsforschungszentrum betonte, dass die Qualität und Vielfalt der Daten entscheidend ist. Verzerrungen entstehen, wenn bestimmte Gruppen – etwa nach Alter oder Herkunft – in Datenbanken wie der UK Biobank über- oder unterrepräsentiert sind.
Die Forscher rechnen damit, dass eine mögliche Einführung in die klinische Praxis erst in fünf bis zehn Jahren erfolgen kann. Dafür müssen mehrere Validierungs- und Kontrollphasen durchlaufen werden.
Zukunftsszenarien von Carsten Marr und neue Zusammenhänge
Carsten Marr vom Helmholtz Zentrum München erklärte, dass elektronische Patientenakten in Zukunft mit Delphi-2M verbunden werden könnten. So könnten Nutzerinnen und Nutzer in Gesundheits-Apps nachvollziehen, wie sich Sport oder Ernährung direkt auf das Risiko für Krankheiten wie Demenz auswirken. Auch Daten von tragbaren Geräten könnten integriert werden.
Darüber hinaus könnte das Modell helfen, bisher unbekannte Verbindungen zwischen Erkrankungen zu erkennen. Ein Beispiel ist die bekannte Studie, die zeigte, dass eine Infektion mit dem Epstein-Barr-Virus das Risiko für Multiple Sklerose um das 30-Fache erhöht.
Julian Varghese und die Grenzen des Modells
Nicht in allen Bereichen ist Delphi-2M den bisherigen Methoden überlegen. Julian Varghese von der Otto-von-Guericke-Universität Magdeburg betonte, dass einfache Laborwerte wie der HbA1c bei Diabetes zuverlässiger sein können als die Analyse durch die KI. Auch seltene Erkrankungen oder Fälle mit sehr alten Patientinnen und Patienten liefern wenig belastbare Ergebnisse.
Die Forscher weisen zudem auf ethische Fragen hin. Patientinnen und Patienten müssen ihr Recht auf Nichtwissen behalten. Zudem warnen Experten vor Missbrauch durch Versicherungen oder Arbeitgeber, die Daten nutzen könnten, um Menschen zu benachteiligen.
Anwendung auf Bevölkerungsebene
Neben individuellen Vorhersagen könnte Delphi-2M auch im größeren Maßstab eingesetzt werden. Die KI kann den Gesundheitsbedarf ganzer Regionen für die kommenden zehn Jahre berechnen. Dies würde es ermöglichen, Krankenhäuser und Versorgungssysteme frühzeitig auf steigende Patientenzahlen vorzubereiten.
Die Einführung solcher Systeme erfordert jedoch eine enge Zusammenarbeit von klinischer Forschung, Epidemiologie und Informatik. Nur so lässt sich sicherstellen, dass die Ergebnisse sowohl präzise als auch fair interpretiert werden.
Quelle: Tagesspiegel