KI-Modell zur Früherkennung von Diabetesrisiken

LONDON (IT BOLTWISE) – Die Früherkennung von Diabetesrisiken könnte dank eines neuen KI-Modells revolutioniert werden. Forscher des Scripps Research Institute haben ein System entwickelt, das weit über die traditionellen HbA1c-Tests hinausgeht.

Die Diagnose und Prävention von Diabetes könnte durch den Einsatz von Künstlicher Intelligenz (KI) erheblich verbessert werden. Ein neues Modell, das von Forschern des Scripps Research Institute entwickelt wurde, nutzt Daten aus kontinuierlichen Glukosemesssystemen (CGM) und kombiniert diese mit Informationen über das Darmmikrobiom, die Ernährung, körperliche Aktivität und genetische Faktoren. Diese umfassende Datenanalyse ermöglicht es, frühe Anzeichen eines Diabetesrisikos zu erkennen, die bei herkömmlichen HbA1c-Tests möglicherweise übersehen werden.

Der HbA1c-Wert, der den durchschnittlichen Blutzuckerspiegel der letzten Monate widerspiegelt, ist ein etablierter Indikator in der Diabetesdiagnostik. Allerdings reicht dieser Wert allein nicht aus, um das individuelle Risiko einer Person für die Entwicklung von Prädiabetes oder Typ-2-Diabetes zu bestimmen. Das neue KI-Modell zeigt, dass zwei Personen mit identischen HbA1c-Werten sehr unterschiedliche Risikoprofile aufweisen können. Durch die Analyse zusätzlicher Daten, wie der Dauer bis zur Normalisierung von Blutzuckerspitzen, kann das Modell präzisere Vorhersagen treffen.

Ein bemerkenswerter Befund der Studie ist die Erkenntnis, dass die Zeit, die der Blutzuckerspiegel benötigt, um nach einem Anstieg wieder zu sinken, ein deutlicher Indikator für ein Diabetesrisiko ist. Bei Menschen mit Typ-2-Diabetes dauert dieser Prozess oft länger als 100 Minuten, während gesündere Personen schneller zu ihrem Ausgangswert zurückkehren. Zudem zeigte sich, dass ein vielfältiges Darmmikrobiom und ein hohes Aktivitätsniveau mit einer besseren Blutzuckerkontrolle korrelieren.

Die Studie, die vollständig remote durchgeführt wurde, rekrutierte über 1000 Teilnehmer aus den USA, die ihre Daten über einen Zeitraum von zehn Tagen sammelten. Diese innovative Herangehensweise ermöglichte es, die Studie ohne den Besuch einer Klinik durchzuführen, was eine neue Infrastruktur für digitale klinische Studien erforderte. Die Forscher planen, die Teilnehmer weiterhin zu beobachten, um die langfristige Genauigkeit der Vorhersagen zu überprüfen und das Modell für eine breitere klinische Anwendung zu validieren.

Die Ergebnisse dieser Forschung könnten den Weg für personalisierte Behandlungsstrategien ebnen, die auf Lebensstiländerungen und frühzeitige Interventionen abzielen. Zukünftige Versionen des Modells könnten nicht nur von Fachpersonal in Kliniken, sondern auch von Einzelpersonen zu Hause genutzt werden, um ein besseres Verständnis und eine bessere Kontrolle über das eigene Diabetesrisiko zu erlangen.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!