LONDON (IT BOLTWISE) – Forschende nutzen KI, um das biologische Altern aus Retina-Scans zu schätzen. Ein Modell, trainiert auf 29.530 Aufnahmen, erreicht dabei einen mittleren Fehler von nur 2,5 bis 2,7 Jahren. Besonders auffällige Retina-Altersdifferenzen korrelieren zudem mit Risiken wie Diabetes, Rauchen sowie bestimmten Augenerkrankungen. Die Ergebnisse stärken den Ansatz einer retinalen Früherkennung, bleiben aber vorerst ein Bevölkerungs- statt ein Individualdiagnostiktool.
Retina-Scans sind seit Jahren ein praktisches Fenster in den Körper: Gefäße, Entzündungszeichen und degenerative Veränderungen spiegeln sich direkt auf der Netzhaut. Was nun stärker in den Fokus rückt, ist weniger die Diagnose einzelner Augenerkrankungen, sondern die Idee, aus der Bildstruktur auch das biologische Alter abzuleiten. Künstliche Intelligenz kann dabei die Differenz zwischen dem chronologischen Lebensalter und dem durch die Netzhaut „indizierten“ biologischen Altern quantifizieren. Das ist mehr als ein Labor-Experiment, denn es verbindet Bildverarbeitung mit Altersforschung und potenziell auch mit präventiver Medizin.
Im Zentrum der aktuellen Arbeiten steht ein KI-Ansatz, der von Forschenden der Seoul National University entwickelt wurde. Das Modell wurde im September 2026 in der Fachzeitschrift GeroScience thematisiert und mit einem Datensatz von 29.530 Retina-Aufnahmen von 7.535 Personen trainiert. Zur anschließenden Überprüfung der Genauigkeit nutzten die Forschenden 14.832 Aufnahmen von 7.416 Probanden. Das Ergebnis: Die KI schätzte das chronologische Alter mit einem mittleren Fehler von lediglich 2,5 bis 2,7 Jahren. Zentral ist dabei auch, dass die Auswertung nicht nur „gesunde“ Augenbilder umfasst, sondern ebenso Aufnahmen bei Netzhaut- oder Sehnervenerkrankungen – also heterogenes Material, das im Alltag eher die Regel als die Ausnahme ist.
Technisch wird in den Arbeiten auf den sogenannten Retina-Altersunterschied, retinal age gap (RAG), abgestellt. Der RAG beschreibt, wie stark das biologische Alter, das die KI aus der Retina-Struktur ableitet, vom tatsächlichen Lebensalter abweicht. Gerade diese Abweichung ist für die Interpretation entscheidend: Sie wirkt wie ein verdichtetes Signal darüber, dass Gewebe- und Gefäßmuster beschleunigt oder verlangsamt altern können. Die Auswertungen liefern dazu messbare Korrelationen mit Lebensumständen und Erkrankungen. So lag die Retina-Altersdifferenz bei Personen mit Diabetes im Durchschnitt bei +2,52 Jahren. Bei aktiven Rauchern wurde etwa +0,5 Jahren gemessen, bei ehemaligen Rauchern +0,46 Jahren. Der Wert ist damit nicht nur in einer Richtung auffällig, sondern lässt Abstufungen erkennen, die plausibel zu bekannten Zusammenhängen zwischen Gefäßbelastung und Gewebealterung passen.
Neben systemischen Risiken betrachten die Forschenden auch konkrete Augenbefunde. Bei einer Makuladegeneration lag die Differenz bei +0,6 Jahren. Beim Katarakt (Grauer Star) zeigte sich hingegen eine Abweichung von +1,86 Jahren. Gleichzeitig weisen die Autoren darauf hin, dass der Katarakt-Wert teilweise durch beeinträchtigte Bildqualität aufgrund der getrübten Linse beeinflusst sein könnte. Diese Einschränkung ist wichtig für die technische Einordnung: Wenn der Bilddatensatz nicht vollständig „krankheitsneutral“ ist, kann ein Modell Muster aufnehmen, die eher die Aufnahmebedingungen als die zugrunde liegende Biologie widerspiegeln. Damit belegen die Befunde vor allem Korrelationen – sie erlauben keine direkte Aussage über Ursache und Wirkung im strengen klinischen Sinn.
Für die praktische Nutzung bleibt daher vorerst eine nüchterne Grenze. Fachleute betonen, dass das Verfahren derzeit keine individuellen Erkrankungen diagnostiziert. Es handelt sich noch nicht um ein validiertes Maß für biologische Alterung im klinischen Sinne, sondern eher um ein Werkzeug, das sich für die Analyse von Bevölkerungstrends eignet. Entscheidend wären dafür weitere Längsschnittvalidierungen: also Messungen über die Zeit, die prüfen, ob sich der RAG wirklich vor relevanten Ereignissen verändert und ob er etablierten Altersmaßen überlegen oder zumindest komplementär ist. Diese Lücke ist auch deshalb bedeutsam, weil Sehprobleme sich nicht nur im Alltag bemerkbar machen, sondern auch die kognitive Belastung erhöhen können, etwa durch Einschränkungen beim Lesen, Orientieren oder Feinsehen. Für Unternehmen im Gesundheits- und Medizintechnikbereich ist genau das ein Spannungsfeld: Eine KI kann heute bereits sehr gute Schätzwerte liefern, doch die Überführung in Prozesse für Screening oder Risiko-Scoring braucht robuste Nachweise.
Ergänzend ordnen die Arbeiten die Ergebnisse in breitere Daten ein. So werden Forschungsergebnisse einer Universität aus Lausanne herangezogen, veröffentlicht im August 2026: In einer Studie mit über 70.000 Teilnehmenden der UK-Biobank (Alter 40 bis 79 Jahre) wurde das Alter ebenfalls mit einem mittleren Fehler von unter 3 Jahren geschätzt. Gleichzeitig korrelierte ein höheres geschätztes Retina-Alter mit einem gesteigerten Krankheits- und Sterberisiko innerhalb der folgenden 15 Jahre. Das unterstreicht die wachsende Bedeutung retinaler Diagnostik für präventive Medizin und Altersforschung: Nicht jede Anomalie wird dabei als „Diagnose“ verstanden, sondern als Hinweis auf ein erhöhtes Risiko, das sich in Populationen messen lässt. Für die Branche eröffnet das mehrere Wege – von KI-gestützten Assistenzsystemen in Augenarztpraxen bis hin zu Forschungsplattformen, die Retina-Bilddaten mit Längsschnitt-Outcome verknüpfen.
Für die nächsten Schritte wird es weniger darum gehen, noch niedrigere Fehlerzahlen beim reinen Alter zu erzielen, sondern die Aussagefähigkeit des RAG für echte Entscheidungen zu stärken. Dazu gehört, Bias-Quellen in der Bildqualität und in der Zusammensetzung der Trainingsdaten systematisch zu prüfen, sowie robuste Vergleiche mit etablierten biologischen Altersmaßen aufzusetzen. Auch die Frage nach der Integration in routinemäßige Augenuntersuchungen gewinnt damit an Substanz: Wenn der RAG als Frühsignal funktioniert, könnte er in zukünftigen Versorgungswegen Hinweise auf verborgene systemische Risiken liefern, bevor sich klinische Symptome klar manifestieren. Bis dahin bleibt der Mehrwert vor allem ein wissenschaftlicher und regulatorisch-praktischer: neue Marker, neue Validierungsdaten und ein klarer Übergang von Forschungsergebnissen zu überprüfbaren Screening-Workflows.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Retina-Scan mit KI: Biologisches Alter präzise schätzen und Risiken erkennen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Retina-Scan mit KI: Biologisches Alter präzise schätzen und Risiken erkennen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Retina-Scan mit KI: Biologisches Alter präzise schätzen und Risiken erkennen« bei Google Deutschland suchen, bei Bing oder Google News!