Logo
Aktuell Wissenschaft

Tübinger Forscher entwickeln Künstliche Intelligenz, die Diabetes per MRT erkennt

Dank künstlicher Intelligenz erkennt die Ganzkörper-Magnetresonanztomografie die Krankheit.

Ein Tropfen Insulin hängt an einer Nadel.
Ein Tropfen Insulin hängt an einer Nadel. Foto: Hiekel/dpa
Ein Tropfen Insulin hängt an einer Nadel.
Foto: Hiekel/dpa

TÜBINGEN. Mit einer Ganzkörper-Kernspinaufnahme (MRT) lässt sich Typ-2-Diabetes diagnostizieren. Das zeigt eine aktuelle Studie von Forschenden des Deutschen Zentrums für Diabetesforschung, des Instituts für Diabetesforschung und Metabolische Erkrankungen des Helmholtz Zentrums München an der Universität Tübingen, des Max-Planck-Instituts für Intelligente Systeme und der Uniklinik Tübingen. Sie nutzten Deep-Learning-Methoden und Daten von mehr als 2.000 MRT-Aufnahmen, um Patienten mit (Prä-)Diabetes identifizieren zu können.

Übergewicht und viel Körperfett erhöhen das Risiko eines Diabetes. Doch nicht jeder übergewichtige Mensch erkrankt auch daran. Entscheidend ist, wo das Fett im Körper gespeichert wird. Lagert sich Fett unter der Haut an, ist es harmloser als Fett in tieferen Bereichen des Bauchs, das sogenannte viszerale Fett.

Maschinelles Lernen hilft

Wie das Fett im Körper verteilt ist, lässt sich mit Ganzkörper-Kernspintomografie gut darstellen. »Wir haben nun untersucht, ob man Typ-2-Diabetes auch anhand bestimmter Muster der Körperfettverteilung im MRT diagnostizieren könnte«, erläutert Professor Robert Wagner, einer der Autoren der Studie, den Ansatz der Wissenschaftler. Um solche Muster zu erkennen, nutzten die Forscher künstliche Intelligenz (KI).

Sie trainierten Deep-Learning-Netzwerke des Maschinellen Lernens mit Ganzkörper-MRT-Aufnahmen von 2.000 Menschen, die sich auch einem Screening mit oralem Glukosetoleranz-Test unterzogen hatten. Mit dem Test, auch Zuckerbelastungstest genannt, lassen sich ein gestörter Glukosestoffwechsel nachweisen und ein Diabetes diagnostizieren. So lernte die KI, Diabetes zu detektieren.

Verräterisches Fett

»Eine Analyse der Modellergebnisse ergab, dass eine Fettansammlung im unteren Abdomen bei der Diabetesdetektion eine entscheidende Rolle spielt«, berichtet Wagner. Weitere zusätzliche Analysen zeigten zudem, dass auch ein Teil der Menschen mit einer Vorstufe des Diabetes (Prädiabetes) sowie Menschen mit einem Diabetes-Subtyp, der zu Nierenerkrankungen führen kann, über MRT-Aufnahmen identifiziert werden können.

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