Diabetes durch Körperfettverteilung im MRT feststellen

Diabetes: Zuckerkrankheit lässt sich mit MRT diagnostizieren

Diabetes ist eine der großen Volkskrankheiten. Allein hierzulande sind rund acht Millionen Menschen davon betroffen. Bei vielen bleibt die sogenannte Zuckerkrankheit aber oft lange unentdeckt. Dadurch steigt das Risiko für Folgeerkrankungen. Die Diagnose Diabetes mellitus wird in der Regel anhand von Blutwerten gestellt. Forschende berichten nun, dass sich die Erkrankung auch mit einer Ganzkörper-Magnetresonanztomographie erkennen lässt.

Zur Diagnose des Diabetes stehen mehrere Möglichkeiten zur Verfügung, heißt es auf dem Diabetesinformationsportal „diabinfo.de“. Die Deutsche und Amerikanische Diabetes Gesellschaft nennen vier Methoden zur Diagnosefindung: HbA1c-Wert (Blutzucker-Langzeitwert), Nüchternblutzuckerwert, 2-Stunden-Blutzuckerwert nach einem oralen Glukosetoleranztest mit 75 Gramm Glukose (oGTT) und Gelegenheits-Blutzucker. Die Erkrankung lässt sich laut neuen Erkenntnissen aber auch anhand von der Körperfettverteilung im MRT diagnostizieren.

Methode aus dem Bereich der Künstlichen Intelligenz

Wie das Deutsche Zentrum für Diabetesforschung (DZD) in einer aktuellen Mitteilung berichtet, lässt sich Typ-2-Diabetes mit einer Ganzkörper-Kernspinaufnahme (MRT) diagnostizieren.

Das zeigt eine aktuelle Studie von Forschenden des DZD, des Instituts für Diabetesforschung und Metabolische Erkrankungen des Helmholtz Zentrums München an der Universität Tübingen, des Max- Planck-Instituts für Intelligente Systeme sowie der Universitätsklinik Tübingen.

Die Wissenschaftlerinnen und Wissenschaftler nutzten Deep-Learning-Methoden (Deep Learning ist eine spezielle Methode aus dem Bereich des Maschinellen Lernens mit künstlichen neuronalen Netzen (KNN) und damit auch ein Teilgebiet der Künstlichen Intelligenz (KI)) und Daten von mehr als 2.000 MRTs, um Patientinnen und Patienten mit (Prä-)Diabetes identifizieren zu können. Die Ergebnisse wurden vor kurzem in dem Fachjournal „JCI Insight“ veröffentlicht.

Fettverteilung ist entscheidend

Es ist bekannt, dass Übergewicht und viel Körperfett das Risiko eines Diabetes erhöhen. Aber nicht jeder übergewichtige Mensch erkrankt auch daran. Entscheidend ist, wo das Fett im Körper gespeichert wird.

Wenn sich Fett unter der Haut anlagert, ist es harmloser als Fett in tieferen Bereichen des Bauches (das sogenannte viszerale Fett). Wie das Fett im Körper verteilt ist, lässt sich mit der Ganzkörper-Kernspintomographie gut darstellen.

„Wir haben nun untersucht, ob man Typ-2- Diabetes auch anhand bestimmter Muster der Körperfettverteilung im MRT diagnostizieren könnte“, erklärt Letzt-Autor Prof. Robert Wagner den Ansatz der Forschenden.

Fettansammlung im unteren Abdomen

Um solche Muster zu erkennen, nutzten die Forscherinnen und Forscher künstliche Intelligenz (KI). Sie trainierten Deep-Learning-Netzwerke (Maschinelles Lernen) mit Ganzkörper-MRT-Aufnahmen von 2.000 Personen, die sich auch einem Screening mit oralem Glukosetoleranz-Test (abgekürzt oGTT) unterzogen hatten.

Mit dem oGTT, auch Zuckerbelastungstest genannt, lassen sich ein gestörter Glukosestoffwechsel nachweisen sowie ein Diabetes diagnostizieren. Die KI lernte so, Diabetes zu detektieren. „Eine Analyse der Modellergebnisse ergab, dass eine Fettansammlung im unteren Abdomen bei der Diabetesdetektion eine entscheidende Rolle spielt“, so Wagner.

Zudem zeigten weitere zusätzliche Analysen, dass auch ein Teil der Menschen mit einer Vorstufe des Diabetes (Prädiabetes) sowie Personen mit einem Diabetes-Subtyp, der zu Nierenerkrankungen führen kann, über MRT-Aufnahmen identifiziert werden können.

Die Wissenschaftlerinnen und Wissenschaftler arbeiten jetzt daran, die biologische Steuerung der Körperfettverteilung zu entschlüsseln. Ein Ziel von ihnen ist, durch neue Methoden wie dem Einsatz von KI die Ursachen des Diabetes zu identifizieren, um bessere Vorsorge- und Therapiemöglichkeiten zu finden. (ad)