Medizin: Deep Learning diagnostiziert Alzheimer sechs Jahre vor menschlichen Ärzten

Der Erfolg von Therapien für Alzheimer hängt unter anderem davon ab, wie früh die Krankheit diagnostiziert wird. Die Diagnose der Krankheit ist allerdings häufig kompliziert. Forscher haben nun einen Deep-Learning-Algorithmus entwickelt, der die Diagnose bis zu sechs Jahre früher stellen kann als ein menschlicher Arzt.

Brain Scan — Foto: MRT Scans, Gerwin Sturm, Flickr, CC BY-SA 2.0

Deep Learning steckt menschliche Radiologen in die Tasche

Ein wichtiges Diagnosetool für Alzheimer ist ein sogenannter 18-F-Fluordesoxyglucose-PET-Scan (FDG-PET). Ursprünglich wurden solche Scans zur Diagnose von verschiedenen Krebs-Arten. Aber in den letzten Jahren hat sich herausgestellt, dass sie auch zur Identifizierung von Alzheimer sowie anderen Demenzformen geeignet sind. Das Problem: Die Diagnosestellung anhand eines FDG-PET ist eine komplexe Angelegenheit. Menschliche Ärzte sind zwar in der Lage, die Bilder eines solchen Scans zu interpretieren, aber es handelt sich um eine Tätigkeit, bei der Software dem Menschen schlicht überlegen ist, da es um das Erkennen von teilweise sehr diskreten und schwer erkennbaren Mustern geht.

„ Differences in the pattern of glucose uptake in the brain are very subtle and diffuse. People are good at finding specific biomarkers of disease, but metabolic changes represent a more global and subtle process„, so Jae Ho Sohn, der an der Studie beteiligt war.

Ergebnisse können nicht unmittelbar zum Einsatz kommen

Der entwickelte Algorithmus wurde an einem kleinen Set von Scans des Gehirns von Alzheimer-Patienten getestet. Die Software war ein der Lage, jeden einzelnen der Alzheimer-Fälle im Schnitt etwa sechs Jahre vor der eigentlichen Diagnose zu erkennen. Auch wenn es sich dabei um vielversprechende Ergebnisse handelt, sind andere Forscher mit der Bewertung der Studie zurückhaltend. „ This is a tiny data set, only looking at 40 people. It’s also a very selected data set and not representative of the whole population. So we can’t know yet whether this is relevant to most people„, so John Hardy vom University College London.

Hinzu kommt, dass FDG-PET-Scans bei weitem nicht jedem Patienten zur Verfügung stehen. Sie sind weitestgehend im Rahmen von klinischen Studien verfügbar, da sie speziell ausgebildetes Personal erfordern und recht teuer sind. Die Ergebnisse der Forschung sind daher akademisch sinnvoll und wichtig, werden aber kurzfristig nicht viel für die Alzheimer-Diagnostik tun.

Dennoch deutet die Studie darauf hin, wie sehr wir in der Medizin von Deep Learning profitieren können. Überall da, wo es um die Auswertung komplexer Datensätze geht, haben Computer oft die Nase vorn. Es ist also wenig verwunderlich, dass der Einsatz solcher Algorithmen in der Diagnostik weltweit intensiv erforscht wird.

via Radiological Society of North America