Eine Studie veröffentlicht in Neurobild: Klinisch Das medizinische Journal fand heraus, dass Algorithmen für maschinelles Lernen in der Lage sind, Atrophiemuster zu erkennen, die mit selteneren neurodegenerativen Erkrankungen wie FTD einhergehen.

Die von Forschern des Max-Planck-Instituts für Kognitions- und Neurowissenschaften und des Universitätsklinikums Leipzig in Deutschland durchgeführte Studie sollte das beträchtliche Hindernis einer korrekten Diagnose weniger verbreiteter Hirnerkrankungen angehen. Wenn die Diagnose ungewiss ist, wird die Behandlung schwierig, weil Mediziner nicht wissen, welche Therapien sie anwenden müssen, um die Symptome einer Person richtig zu behandeln.

„Fragen, wie sie [Patienten] in unserer Studie stellen, sind typisch für den klinischen Alltag“, sagt Studien-Co-Autor Matthias Schroeter Nachrichten aus den Neurowissenschaften. „Zunächst stellt sich die Frage nach der richtigen Diagnose, damit die Therapie an jeden einzelnen Patienten und seine spezifische Erkrankung angepasst werden kann.“

Um maschinelle Lernalgorithmen als Werkzeug zur Verbesserung der Diagnose zu evaluieren, verwendeten die Forscher künstliche Intelligenz, um Bilddaten von 426 Teilnehmern mit einer Form von Demenz (einschließlich mehrerer Störungen in der FTD-Familie) und Daten von 51 Kontrollteilnehmern zu analysieren. Das maschinelle Lernmodell untersuchte 64 verschiedene Regionen des Gehirns und überprüfte die Volumina verschiedener Arten von Gehirngewebe auf Atrophie.

Laut Forschern könnte ein maschinelles Lernmodell die richtige Art von Demenz mit einem Genauigkeitsbereich von 71-95% klassifizieren. Ein komplexeres maschinelles Lernmodell hatte eine höhere Genauigkeit, fiel aber immer noch unter 100%. Die Forscher stellten fest, dass das komplexere Modell nicht für alle Arten von Demenz die gleiche Leistung aufwies und Störungen mit Atrophiemustern, die sich auf eine bestimmte Region des Gehirns konzentrierten, besser klassifizieren konnte.

Obwohl das maschinelle Lernen seine Grenzen hat, können Algorithmen laut den Autoren der Studie dennoch dazu beitragen, die Zeit bis zur Diagnose zu verkürzen.

„Auch bei fortschreitendem Krankheitsverlauf können Betroffene in frühen Krankheitsstadien mit Unterstützung weiterarbeiten und ihren Alltag bewältigen. Deshalb sind eine frühzeitige Diagnose und eine individuelle Anpassung der Therapiemaßnahmen entscheidend“, so Schroeter.

Möchten Sie mehr über den Einsatz von Technologien wie maschinellem Lernen zur Diagnose von FTD lesen? Kasse Dieser Artikel über die Verwendung von tragbaren Sensoren zur Überwachung des Fortschreitens von progressive supranukleäre Lähmung, oder Dieser Artikel über eine Studie, die maschinelles Lernen nutzte, um eine 120 Jahre alte Theorie über Demenz zu untersuchen.

Sind Sie daran interessiert, an einer Studie wie der, von der Sie gelesen haben, teilzunehmen? Schauen Sie sich die AFTDs an Studien suchen Teilnehmer Seite.