Risiko für Alzheimerkrankheit bestimmen

Die Früherkennung der Alzheimerkrankheit ist wichtig, um rechtzeitig mit einem geeigneten Lebensstil und medikamentöser Behandlung einem raschen Verfall der kognitiven Kapazitäten entgegenzuwirken, erklären Lucas Paletta und Silvia Russegger von Joanneum Research in Graz: „Ohne KI gibt es in den Analysetechnologien keine Möglichkeit, subtile Zusammenhänge in multimodalen Daten festzustellen, die notwendig sind, um möglichst frühzeitig Abweichungen von gesunden Merkmalsprofilen festzustellen.“ Im Projekt PREDICTOM, das soeben begonnen hat, entwickelt man ein „Ernsthaftes Spiel“ (Serious Game), bei dem das Blickverhalten der Probandinnen und Probanden beobachtet wird, denn gewisse charakteristische Blickmerkmale ermöglichen eine frühe Identifikation eines erhöhten Demenzrisikos.

Durchführen könnte man solche Tests in der Praxis niedergelassener Ärzte. „Dabei werden der Patientin oder dem Patienten schrittweise Aufgaben gestellt, die zur Lösung die kognitive Kontrolle des Blickverhaltens erfordern“, so Paletta: „Die KI gewichtet dann verschiedenste Merkmale des Blickverhaltens und generiert automatisch einen entsprechenden Bericht für die Ärztinnen und Ärzte als Grundlage zur Entscheidungsfindung.“ Der Test soll in maximal 30 Minuten durchführbar sein, um möglichst viele Verdachtsfälle abdecken zu können.

Algorithmus schlägt Medikation gegen Blutstrominfektion vor

Ein KI-System, das Clemens Heitzinger von der Fakultät für Informatik und dem Center for Artificial Intelligence and Machine Learning (CAIML) der Technischen Universität (TU) Wien mit seinem Team verwirklichte, schlägt bei Sepsis-Patientinnen und -Patienten (Personen mit einer Infektion des Blutstroms, oft Blutvergiftung genannt) die beste Medikation vor. „Es kann auf Intensivstationen routinemäßig eingesetzt werden“, sagt er. Sepsis sei dort die häufigste Erkrankung und als multifaktorielle Erkrankung schwierig zu diagnostizieren sowie zu behandeln.

„Wir haben Algorithmen des „bestärkenden Lernens“ (reinforcement learning) entwickelt, die aus historischen Aufzeichnungen von Zehntausenden Patienten die bestmöglichen Behandlungsstrategien berechnen“, berichtet er: „Unser KI-System stellt damit den behandelnden Ärztinnen und Ärzten jahrzehntelange Erfahrung in kürzester Zeit zur Verfügung.“ Die Behandlungsstrategien sind sogar individuell auf die Person zugeschnitten, da sie immer an den aktuellen Zustand einer Patientin oder eines Patienten angepasst sind. „Das Prinzip ist auf jede Krankheit anwendbar, für die ausreichende historische Datensammlungen zur Verfügung stehen“, erklärt Heitzinger.

Dem Demenzrisiko auf der Spur

Im EU-Projekt LETHE soll bei Personen vor allem mittleren Alters ein Demenzrisiko mittels KI frühzeitig erkannt werden, nämlich bevor sie Patientinnen oder Patienten sind, erklärt Sten Hanke vom eHealth Institute an der Fachhochschule (FH) Joanneum in Graz. Die dort entwickelte KI könne auch im klinischen Alltag eingesetzt werden, um zu beurteilen, wie die Therapie von Patienten bestmöglich weitergeführt wird. „KI-Methoden bieten die Möglichkeit, eine Vielzahl von digital erhobenen ‚Biomarkern‘ zu analysieren“, sagt er: „Bei dem Projekt sind das vor allem Informationen bezüglich des Lebensstils der Personen, zum Beispiel, über die Ernährung und Bewegung.“ Ziel ist es, klare Zusammenhänge zwischen diesen Biomarkern und dem Demenzrisiko zu erkennen.

Derzeit läuft in dem Projekt eine Interventionsstudie mit etwa 160 Teilnehmerinnen und Teilnehmern in vier europäischen Ländern. „Es werden sowohl klinische als auch digitale Daten gesammelt, und die Probandinnen erhalten per App vielfältige Unterstützung in Bezug etwa auf ihre tägliche Aktivität, Ernährung und kognitives Training.“ Das Ziel wäre eine genaue Risikobeurteilung bezüglich Demenz, sowie individualisierte Maßnahmen zu empfehlen, diesem Risiko entgegenzuwirken, oder die Person in eine geeignete Therapie zu überführen. „Das Dashboard mit der Risikobeurteilung kann auch beim niedergelassenen Neurologen, Hausarzt sowie in der klinischen Aufnahme Verwendung finden“, so der Experte.

Tumordiagnose während Gehirn-OP

Künstliche Intelligenz ist in der Lage, Tumorgewebe im Zentralnervensystem (Gehirn und Rückenmark) während einer Operation zu analysieren, berichtet Georg Widhalm von der Onkologischen Ambulanz an der Universitätsklinik für Neurochirurgie von MedUni Wien und AKH Wien. Zur besseren Einschätzung der Tumorart wird häufig eine solche Gewebeanalyse durchgeführt. Bis die Ergebnisse vorliegen, dauert es mit der konventionellen neuropathologischen Schnellschnitt-Befundung im internationalen Schnitt ungefähr eine halbe Stunde, währenddessen die Patientinnen und Patienten in Narkose bleiben müssen. „Dies ist vor allem durch den Transport des Materials sowie die aufwendige Anfertigung der Gewebeschnitte bedingt“, erklärt der Mediziner: „Mit einem neuartigen Gerät kann aber ein hochauflösendes, digitales Bild vom Gewebe innerhalb weniger Minuten direkt im Operationssaal erstellt werden, das sofort von Neuropathologen virtuell aufgerufen und befundet werden kann.“

Zusätzlich werden mithilfe von KI rasche automatisierte Analysen durchgeführt, welche mit hoher Wahrscheinlichkeit schon während der OP innerhalb weniger Minuten verschiedene Tumormerkmale voraussagen. „In der Anfangszeit konnten nur häufig vorkommende Tumorarten bestimmt werden, durch Sammlung größerer Datenmengen werden zukünftig auch immer seltenere Tumorarten besser erkannt werden“, sagt Widhalm. Man erhält nicht nur Informationen über die Tumorart und (molekulare) Subtypen, sondern mittels einer neuen KI kann das Gewebe auch auf das Vorliegen von Resttumorgewebe analysiert werden. Chirurginnen und Chirurgen können mit dem Gerät mehrfache Randproben überprüfen, was konventionell viel zu zeitaufwendig wäre. „Diese KI erleichtert dadurch die Detektion der Tumorgrenze, die oft sehr schwer erkennbar ist“, erklärt er. Damit wäre ein wichtiges Ziel besser erreichbar: eine maximal sichere Tumorentfernung. Es besteht dadurch die Hoffnung, dass zukünftig sehr belastende, frühe Zweiteingriffe damit vermieden werden können oder ihre Zahl deutlich reduziert wird. „Der erfolgreiche Einsatz dieser neuen Technik ist das Ergebnis der engen Zusammenarbeit mehrerer Universitätskliniken im Rahmen des an MedUni Wien und AKH Wien neu etablierten Comprehensive Centers for Clinical Neurosciences and Mental Health„, so Widhalm.

Hautkrebsdiagnose mit KI

Maschinelles Lernen soll Medizinerinnen und Mediziner bei der Diagnose von Hautkrebs unterstützen. Zum Einen können mithilfe von KI verdächtige Hautstellen untersucht werden, bei denen nicht klar ist, ob man sie entfernen soll, oder nicht, so Harald Kittler von der Universitätsklinik für Dermatologie der Medizinischen Universität (Meduni) Wien: Auch bei Patientinnen und Patienten mit vielen Muttermalen sei die speziell trainierte Künstliche Intelligenz einsetzbar. Sie soll vorwiegend Ärztinnen und Ärzte unterstützen, die keine große Erfahrung in der Diagnose von Hautkrebs haben, damit sie dies auf Expertenniveau bewerkstelligen.

„Zunächst konstruierten wir eine KI für die Diagnose von pigmentierten Hautläsionen“, berichtet Kittler: „Wahrscheinlich viel wichtiger ist aber, dass wir Forschungsgruppen auf der ganzen Welt (anonymisiertes) Bildmaterial zur Verfügung stellten, damit sie ihre eigenen KI-Anwendungen trainieren und testen können.“ Anschließende Tests zeigten, dass diese Anwendungen menschlichen Expertinnen und Experten bei der Hautkrebsdiagnose durchaus ebenbürtig sind.

„Ziel ist, dass wir Gesundheitspersonal mit einer KI ausrüsten, um die Diagnose zu verbessern“, erklärt er. Zum Beispiel, ob man Patienten zu Spezialisten weiterschicken soll, oder eine Hautveränderung als unbedenklich einzustufen ist. „Die Therapieentscheidung bleibt aber immer den menschlichen Diagnostikern vorbehalten“, sagt der Experte. Dazu gehört auch die Entscheidung, ob man den Ratschlag der Künstlichen Intelligenz berücksichtigen oder verwerfen soll. Außerdem gibt es bei vielen Patientinnen und Patienten Begleitumstände, die Therapieentscheidungen wesentlich beeinflussen. „Diese kennt freilich nur der Arzt und kann sie berücksichtigen, nicht aber die KI-Anwendungen“, so Kittler.