Künstliche Intelligenz kann patientenrelevante Erfolge einer Behandlung vorhersagen

Forschende des Universitätsklinikums Tübingen haben am Beispiel der Tiefen Hirnstimulation bei Parkinson gezeigt, dass Künstliche Intelligenz dabei helfen kann, patientenrelevante Therapieerfolge wie verbesserte Alltagsfunktionen besser vorherzusagen.

Ob eine Therapie erfolgreich ist, entscheidet sich für Patienten nicht allein anhand medizinischer Messwerte. Ausschlaggebend ist vor allem, ob sich ihr Alltag verbessert. Klinische Forschende des Universitätsklinikums Tübingen haben nun gezeigt, dass Künstliche Intelligenz (KI) dabei helfen kann, solche patientenrelevanten Therapieerfolge besser vorherzusagen. Am Beispiel der Tiefen Hirnstimulation (THS) bei Parkinson identifizierte das interdisziplinäre Team Faktoren, die eng mit einer späteren Verbesserung der Lebensqualität zusammenhängen. Die Ergebnisse könnten künftig dazu beitragen, individueller zu beraten und Therapieentscheidungen stärker an ihren persönlichen Bedürfnissen auszurichten.

Die THS verbessert bei der Parkinson-Krankheit Beweglichkeit, Tremor und andere motorische Beschwerden. Dennoch erleben Betroffene den Erfolg der Behandlung sehr unterschiedlich. „Für Patientinnen und Patienten ist nicht entscheidend, ob sich ein klinischer Untersuchungsbefund verbessert. Entscheidend ist, ob die Therapie im Alltag spürbar hilft und die Lebensqualität erhöht“, betont Prof. Alireza Gharabaghi, Ärztlicher Direktor des Instituts für Neuromodulation und Neurotechnologie am Universitätsklinikum Tübingen. „Genau diese patientenrelevanten Veränderungen wollten wir besser verstehen.“

Warum manche Patienten stärker profitieren als andere

Für die Studie analysierten die Forschenden die Daten von 130 Parkinson-Patienten, die mit THS behandelt worden waren. Dabei kombinierten sie erstmals klinische Untersuchungsdaten, Angaben zur Lebensqualität, kognitive und emotionale Faktoren sowie Bilddaten zur Lage der Elektroden im Gehirn. Mithilfe einer erklärbaren Form der KI konnten sie nachvollziehen, welche Faktoren besonders stark mit einer späteren Verbesserung der Lebensqualität verbunden waren.

Drei Einflussgrößen erwiesen sich als besonders bedeutsam: ein jüngeres Alter, eine hohe emotionale Belastung durch die Erkrankung vor der Behandlung sowie die genaue Lage der aktiven Elektrodenkontakte im Gehirn. Die Ergebnisse zeigen, dass der Behandlungserfolg aus Sicht der Patienten nicht allein von der Verbesserung körperlicher Symptome abhängt. Vielmehr entsteht er durch das Zusammenspiel biologischer, psychologischer und technischer Faktoren.

„Lebensqualität nach einer komplexen Therapie lässt sich nicht durch einen einzelnen Messwert erklären“, erläutert Gharabaghi. „Unsere Ergebnisse zeigen, welchen Mehrwert die Kombination unterschiedlicher Informationen liefern kann. Dadurch können wir besser verstehen, warum manche Menschen besonders stark von einer Behandlung profitieren.“

Personalisierte Medizin stärker an der Lebensqualität orientieren

Die Forschenden betonen, dass die KI derzeit kein Instrument ist, um allein über eine Therapie zu entscheiden. Sie kann jedoch helfen, Patienten realistischer über mögliche Behandlungsergebnisse zu informieren und individuelle Therapieziele besser zu berücksichtigen. Die Studie zeigt zudem, dass Frauen vor einer Behandlung häufig eine stärkere emotionale Belastung und körperliche Einschränkungen berichten als Männer. Solche Unterschiede könnten künftig stärker in Beratung, Therapieplanung und Nachsorge einfließen.

Langfristig sehen die Forschenden in diesem Ansatz einen wichtigen Schritt hin zu einer Medizin, die den Erfolg einer Behandlung nicht nur anhand erhobener Befunde bewertet, sondern konsequent aus Sicht der Betroffenen. Die entwickelten Methoden könnten künftig auch bei anderen chronischen Erkrankungen eingesetzt werden, um Therapieerfolge individueller vorherzusagen und die Versorgung stärker an den Bedürfnissen der Patienten auszurichten.

Lesen Sie außerdem zum Thema Tiefe Hirnstimulation:

Zielnetzwerk der Tiefen Hirnstimulation bei Parkinson-Krankheit identifiziert