Diabetes: KI und Computertomographie zur Vorhersage

Diabetes diagnostizieren mit der Hilfe von KI

Jetzt ist es einem Team von Forschenden gelungen, frühe Anzeichen von Typ-2-Diabetes mit der Hilfe von künstlicher Intelligenz (KI) und CT-Untersuchungen des Bauchs zu identifizieren. Dies könnte einen Durchbruch in der Prävention und Behandlung von Typ-2-Diabetes darstellen.

In einer neuen Untersuchung unter Beteiligung von Fachleuten des National Institutes of Health in Bethesda wurde festgestellt, dass es möglich ist, Typ-2-Diabetes anhand von abdominalen CT-Biomarkern zu diagnostizieren. Die Studienergebnisse wurden in der englischsprachigen Fachzeitschrift „Radiology“ publiziert.

Diabetes frühzeitig erkennen

Typ-2-Diabetes ist auf der ganzen Welt weit verbreitet und viele Menschen, die bisher noch nicht erkrankt sind, erfüllen bereits die Kriterien für Prädiabetes. Die Erkrankung in einem möglichst frühen Stadium zu identifizieren, ist für die Gesundheit der Betroffenen besonders wichtig, berichtet das Team.

Computertomographie zur Diagnose von Typ-2-Diabetes

Computertomographien werden in der klinischen Praxis bereits weit verbreitet verwendet. Diese Art der Bildgebung kann eine Vielzahl von Informationen über die Bauchspeicheldrüse liefern. So ist die CT-Bildgebung auch ein vielversprechendes Instrument zur Diagnose von Typ-2-Diabetes.

Rolle des Fetts bei Typ-2-Diabetes

In früheren Untersuchungen hatte sich laut den Forschenden bereits gezeigt, dass Menschen mit Diabetes dazu neigen, mehr viszerales Fett und Fett innerhalb der Bauchspeicheldrüse anzusammeln, verglichen mit Personen ohne Diabetes.

Allerdings gab es bei diesen Studien die Einschränkung, dass die Leber, die Muskeln und die Blutgefäße um die Bauchspeicheldrüse herum bisher kaum untersucht wurden, berichtet Studienautor Dr. Ronald M. Summers vom National Institutes of Health Clinical Center in Bethesda.

„Die Analyse von Merkmalen sowohl der Bauchspeicheldrüse als auch außerhalb der Bauchspeicheldrüse ist ein neuartiger Ansatz und wurde unseres Wissens in früheren Arbeiten noch nicht gezeigt“, fügt Studienautorin Hima Tallam in einer Pressemitteilung hinzu.

Computertomographie und Deep-Learning

Für die neue Studie wurde nun ein Datensatz von 8.992 Personen ausgewertet, welche sich an der University of Wisconsin Hospital and Clinics einer routinemäßigen Darmkrebsvorsorgeuntersuchung mittels Computertomographie (CT) unterzogen hatten.

Die Daten wurden zwischen dem Jahr 2004 und 2016 erhoben. Unter den Teilnehmenden wurde bei 572 Personen Typ-2-Diabetes diagnostiziert. 1.880 Menschen litten an Dysglykämie, also einem zu niedrigen oder zu hohen Blutzuckerspiegel. Es gab keine Überschneidungen zwischen Diabetes- und Dysglykämie-Diagnosen, so das Team.

Aus den verschiedenen Datensätzen wurden insgesamt 471 Bilder ausgewählt, welche dann zur Erstellung des Deep-Learning-Modells genutzt wurden. Diese Bilder wurden in drei Teilmengen aufgeteilt: 424 für die Trainingsdaten, 8 für die Validierungsdaten und 39 für die Testdaten.

Probleme bei der manuellen Analyse von CT-Bildern

Bereits heute können bei einer manuellen Auswertung kontrastarmer CT-Bilder der Bauchspeicheldrüse durch Fachleute der Radiologie Hinweise auf Diabetes ermittelt werden, allerdings handelt es sich um einen zeitintensiven und schwieriger Prozess, erläutern die Forschenden.

Zur Optimierung dieses Prozesses sei eine Verbesserung der automatisierten Bildanalyse erforderlich, die das neue Modell offenbar ermögliche. Das Modell analysiert hierfür neben den verschiedenen Merkmalen der Bauchspeicheldrüse auch das sogenannte viszerale Fett sowie die Dichte und das Volumen der umgebenden Bauchmuskeln und -organe.

Die Analyse der CT-Bilder habe ergeben, dass Personen mit Diabetes eine geringere Dichte der Bauchspeicheldrüse und größere Mengen an viszeralem Fett aufwiesen, als dies bei Menschen ohne Diabetes der Fall war.

„Wir haben festgestellt, dass Diabetes mit der Menge an Fett in der Bauchspeicheldrüse und im Bauch der Patienten zusammenhängt. Je mehr Fett an diesen beiden Stellen vorhanden war, desto wahrscheinlicher war es, dass die Patienten über einen längeren Zeitraum an Diabetes litten“, berichtet Dr. Summers.

Welche Prädiktoren können auf Diabetes hinweisen?

Als beste Prädiktoren für Typ-2-Diabetes im endgültigen Modell nennen die Forschenden den prozentuale Anteil an Fett in der Bauchspeicheldrüse, die fraktale Dimension der Bauchspeicheldrüse, den Schweregrad von sogenannten Plaques zwischen den Wirbelkörpern L1-L4, die durchschnittliche CT-Dämpfung der Leber und den Body-Mass-Index (BMI).

Diese Prädiktoren verwendete das Deep-Learning-Modell zur genauen Unterscheidung von Menschen mit Diabetes und ohne Diabetes. Es habe sich gezeigt, dass das Deep-Learning-Modell hervorragende Ergebnisse bei der Auswertung der CT-Bilder erzielte und es praktisch keinen Unterschied zur manuellen Analyse gab.

Einsatz automatisierter Methoden

Die Forschenden bezeichnen ihre aktuelle Studie als einen wichtigen Schritt in Richtung eines breiteren Einsatzes von automatisierten Methoden zur Bewältigung klinischer Herausforderungen. Die Erkenntnisse könnten zudem in zukünftige Forschungsarbeiten einfließen, welche sich mit der Ursache der Veränderungen der Bauchspeicheldrüse bei Diabetes befassen. (as)