Typ-2-Diabetes: Künstliche Intelligenz könnte bei der Vorhersage helfen

Forscher von Stanford Medicine, USA, einen auf künstlicher Intelligenz basierenden Algorithmus entwickelt, der Daten von kontinuierlichen Blutzuckermessgeräten verwendet, um drei der vier häufigsten Untertypen von Typ-2-Diabetes zu analysieren.

Künstliche Intelligenz sei ein Instrument, das die Menschen nutzen könnten, um vorbeugende Maßnahmen zu ergreifen. Wenn die Werte beispielsweise eine Prädiabetes-Warnung auslösen, könnten die Ernährungs- oder Bewegungsgewohnheiten angepasst werden, kommentiert Dr. Michael Snyder, leitender Studienautor.

„Die meisten Menschen mit Diabetes haben Typ 2 und werden einfach als Typ 2 bezeichnet“, berichtet Co-Autorin Prof. Tracey McLaughlin. Sie fährt fort: „Aber die Krankheit ist viel komplexer, und es gibt unterschiedliche physiologische Grundlagen, die zu dieser Krankheit führen.“

Es gäbe immer mehr Bestrebungen, den Typ-2-Diabetes, der 95 Prozent aller Diabetiker ausmachet, zu unterteilen, um das Risiko für andere damit zusammenhängende Erkrankungen wie Herz-Kreislauf-, Nieren-, Leber- oder Augenkomplikationen besser zu verstehen und die dem Diabetes zugrunde liegende Physiologie zu ermitteln. „Das ist wichtig, denn je nachdem, welchen Typ man hat, wirken manche Medikamente besser als andere“, betont McLaughlin.

Die Technologie hätte für Snyder schon vor Jahren nützlich sein können, als er erfuhr, dass er Prädiabetiker war. „Als ich erfuhr, dass ich auf dem Weg war, Diabetiker zu werden, habe ich meine Muskelmasse erhöht, was eine der üblichen Methoden ist, um den Blutzucker zu senken, aber es hatte keine Wirkung. Das liegt daran, dass ich nicht traditionell insulinresistent bin“, sagte er. Seine Variante des Typ-2-Diabetes beruht auf einem so genannten Betazellmangel, was bedeutet, dass die Zellen, die Insulin produzieren, nicht so funktionieren, wie sie sollten.

Ein Artikel über die Forschung wurde am 23. Dezember in Nature Biomedical Engineering veröffentlicht. McLaughlin und Snyder sind Co-Autoren. Ahmed Metwally, PhD, ein ehemaliger Postdoktorand bei Stanford Medicine, der jetzt als Forscher bei Google tätig ist, ist der Hauptautor.

Abgrenzung von Diabetes im Detail

Derzeit basiert die Diagnose von Diabetes ausschließlich auf dem Glukosespiegel im Blut und kann durch eine einfache Blutabnahme gestellt werden. „Diese Tests sagen jedoch wenig über die Biologie aus, die dem hohen Blutzucker zugrunde liegt“, so McLaughlin. „Um die zugrunde liegende Physiologie zu verstehen, sind Stoffwechseltests erforderlich, die in der Forschung durchgeführt werden, aber die Tests sind umständlich und teuer und für den Einsatz in der Klinik nicht geeignet.“

Kontinuierliche Glukosemessgeräte, die rezeptfrei erhältlich sind, können jedoch einen hohen Blutzuckerspiegel messen und detailliertere Informationen über die Stoffwechselbiologie der Betroffenen liefern.

Test des Algorithmus

McLaughlin und Snyder fragten sich, ob ein gewöhnliches Gerät wie ein kontinuierlicher Glukosemesser Daten mit versteckten Signalen liefern könnte, die mit den verschiedenen Subtypen von Diabetes korrelieren. Das Gerät, das die Benutzer am Oberarm befestigen, misst den Anstieg und Abfall des Blutzuckerspiegels in Echtzeit. Bei Menschen, die ein Glukosegetränk zu sich nehmen, steigt der Blutzuckerspiegel oft sprunghaft an, aber die Höhe und das Muster dieser Spitzen sind von Person zu Person unterschiedlich.

In einer Studie mit 54 Teilnehmern, von denen 21 an Prädiabetes erkrankt und 33 gesund waren, wendeten die Forscher einen auf künstlicher Intelligenz basierenden Algorithmus an, um Muster innerhalb der Spitzen- und Tiefstwerte zu erkennen, die verschiedenen Subtypen von Typ-2-Diabetes entsprechen.

Die Teilnehmer, die die kontinuierlichen Glukosemessgeräte verwendeten, unterzogen sich auch dem oralen Glukosetest in einer Arztpraxis. „Man hat sich das jahrzehntelang angeschaut und bestimmte Parameter gefunden, die auf Insulinresistenz oder Betazellenfehlfunktion hinweisen, die die Hauptursachen für Diabetes sind“, sagte McLaughlin. „Aber jetzt haben wir die Monitore, und man kann ein viel differenzierteres Bild des Glukosemusters erhalten, das diese Subtypen mit größerer Genauigkeit vorhersagt und zu Hause durchgeführt werden kann.“

Beim Vergleich mit klinischen Daten und anderen Biomarkern für Stoffwechselkrankheiten sagte der Algorithmus – unabhängig davon, ob er auf die Daten des kontinuierlichen Glukosemonitors oder auf Daten aus Blutentnahmen nach einem Glukosetoleranztest angewendet wurde – Stoffwechsel-Subtypen wie Insulinresistenz und Betazellmangel mit größerer Genauigkeit voraus als die herkömmlichen Stoffwechseltests. Das Instrument ist in der Lage, die Subtypen in etwa 90 % der Fälle korrekt zu erkennen und zu identifizieren.

Ausweitung der Zugänglichkeit

Neben den höher aufgelösten Daten für Menschen mit Diabetes oder Prädiabetes hat die Verwendung des Monitors noch weitere Vorteile. „Selbst wenn eine Person mit Insulinresistenz keinen Diabetes entwickelt, ist es wichtig, dies zu wissen“, sagte McLaughlin, “denn Insulinresistenz ist ein Risikofaktor für eine Reihe anderer Gesundheitszustände wie Herzerkrankungen und Fettlebererkrankungen.“

McLaughlin und Snyder planen, den Algorithmus weiterhin mit Menschen zu testen, bei denen Typ-2-Diabetes diagnostiziert wurde, und hoffen, dass die breite Verfügbarkeit der Technologie den Zugang zur Versorgung verbessern wird, auch wenn Patienten nicht in der Lage sind, einen Arzttermin wahrzunehmen.

„Wir sehen diese Technologie auch als wertvolles Instrument der Gesundheitsversorgung für Menschen, die wirtschaftlich benachteiligt oder geografisch isoliert sind und keinen Zugang zum Gesundheitssystem haben“, sagte McLaughlin.