D-Karlsruhe | In Deutschland sind nahezu 6,2 Millionen Menschen offiziell diagnostizierte Diabetiker:innen. Zusammen mit der beträchtlich hohen Dunkelziffer von geschätzten 1,35 Millionen nicht erkannten Fällen, erstreckt sich die Krankheit auf über 9% der deutschen Bevölkerung [1]. Diabetes mellitus ist nicht nur weit verbreitet, Erkrankte haben mit ernsthaften gesundheitlichen Konsequenzen zu kämpfen. Die Erkrankung hat störende Einflüsse auf die Regularisierung des Blutzuckerspiegels. Darüber hinaus hat sie negative Auswirkungen auf die Funktionen der Nieren, der Blutgefäße, der Nerven und vieler anderer Organe. Um schwereren Folgen für Patient:innen vorzubeugen ist eine effektive Früherkennung ungemein wichtig. Darum stellt sich die Frage: Wie kann man die Früherkennung dieser Erkrankung verbessern?
Mit über 90% der Fälle ist der Diabetes mellitus Typ II am häufigsten. Dieser ist stark mit Adipositas und Fettstoffwechselstörungen, aber auch mit einer genetischen Prädisposition assoziiert. Der Manifestation der Erkrankung geht der Prädiabetes voraus. Nach Zahlen der Klinik für Unfall- und Wiederherstellungschirurgie des Universitätsklinikums Tübingen wird bei nicht weniger als 40-50% der dortigen Patient:innen das Vorstadium des Diabetes diagnostiziert [2], was bis zu deren Hospitalisierung meist unentdeckt war. An Prädiabetes erkrankte Patient:innen haben bereits einen gestörten Blutzuckerstoffwechsel. Des Weiteren besteht, ebenso wie bei Diabetiker:innen, ein erhöhtes Risiko für Frakturen und Infektionen sowie Probleme bei der Heilung von Wunden und Frakturen. Dies führt zu längeren Krankenhausaufenthalten und einer erhöhten Sterblichkeitsrate nach Verletzungen.
Der positive Punkt ist, dass Prädiabetes insbesondere mittels Lifestyle-Veränderungen umkehrbar ist [3]. Dies unterstreicht die Notwendigkeit einer möglichst effektiven Früherkennung weiter.
Neue Möglichkeiten der Früherkennung durch KI
In Kooperation mit der Universität Tübingen, der Universität Mannheim und Famedly arbeitet medicalvalues an der Entwicklung eines KI-gestütztes System zur Früherkennung von (Prä-)Diabetes. So sollen Korrelationen und neue molekulare Biomarker identifiziert werden.
©medicalvalues
Der hybride Ansatz der medicalvalues GmbH integriert modernes maschinelles Lernen, aber auch vorhandenes medizinisches Wissen, OMICS-Daten und aktuelle Studien. Dies ermöglicht eine bessere Ausgangsbasis für die Früherkennung von (Prä-)Diabetes, ohne die Notwendigkeit großer Datenmengen, was einen klaren Vorteil gegenüber bestehenden Ansätzen darstellt.
Ein Schlüsselmerkmal des Projekts ist der Knowledge-Graph als KI-Komponente. Er bildet Zusammenhänge und medizinische Algorithmen ab. Somit wird gleichzeitig das Einbeziehen von Daten aus verschiedenen Quellen ermöglicht, wie auch nachvollziehbare Schlussfolgerungen durch die Anschaulichkeit des Graphen. Besonders im medizinischen Bereich sind die Erklärbarkeit und die Nachvollziehbarkeit von durch KI bereitgestellten Informationen essentiell. Für eine reibungslose Funktionalität und Integration werden etablierte medizinische Standards wie FHIR, SNOMED, LOINC und RadLex verwendet.