Künstliche Intelligenz sagt Krankheits-Risiko voraus

Hohe Treffsicherheit

Neuer Test sagt Risiko für über 1.000 Krankheiten voraus

Ein neues Modell könnte die Medizin revolutionieren: Mit Künstlicher Intelligenz lassen sich künftig individuelle Krankheitsrisiken Jahre im Voraus vorhersagen.

Ein deutsch-dänisches Forschungsteam hat ein KI-Modell entwickelt, das das Risiko für über 1.000 Krankheiten vorhersagen kann – und das für einen Zeitraum von bis zu zehn Jahren. Delphi-2M, so der Name des Systems, basiert auf anonymisierten Gesundheitsdaten von mehr als zwei Millionen Menschen aus Großbritannien und Dänemark.

Im Gegensatz zu bisherigen Risikomodellen, die meist einzelne Krankheiten und bestimmte Risikofaktoren betrachten, analysiert Delphi-2M vollständige Krankheitsverläufe. Dabei erkennt die KI Muster in der Reihenfolge medizinischer Ereignisse, etwa Diagnosen oder Lebensstilfaktoren wie Rauchen, und leitet daraus Wahrscheinlichkeiten für zukünftige Erkrankungen ab.

Die Vorhersagen ähneln dabei Wetterprognosen: Sie geben keine Gewissheit, sondern Wahrscheinlichkeiten an – zum Beispiel die Chance, innerhalb des nächsten Jahres eine Herzerkrankung zu entwickeln. Besonders gut funktioniert das Modell bei typischen Krankheitsverläufen wie Diabetes oder Herzinfarkt. Bei seltenen oder unvorhersehbaren Erkrankungen ist es weniger genau.

Die Forscher trainierten die KI mit Daten von 400.000 Briten aus der UK Biobank und validierten sie mit Informationen von 1,9 Millionen Dänen. Dabei zeigte sich: Das Modell ist ähnlich zuverlässig wie etablierte Risikoscores – teils sogar besser. Der sogenannte AUC-Wert, der die Vorhersagekraft beschreibt, lag im Durchschnitt bei 0,76, auch nach zehn Jahren noch bei 0,70.

Trotzdem sehen die Entwickler das System noch nicht als reif für den klinischen Einsatz. Die Datenbasis sei bisher nicht repräsentativ genug, etwa für jüngere Menschen oder ethnische Minderheiten. Bevor Delphi-2M im Praxisalltag zum Einsatz kommt, sind weitere Tests und klare ethische Regeln nötig.

Langfristig könnten solche Modelle helfen, Risikopatienten frühzeitig zu erkennen und Gesundheitssysteme besser zu planen. Oder, wie es Studienautor Moritz Gerstung formuliert: „Das ist der Beginn einer neuen Art, die menschliche Gesundheit und den Verlauf von Krankheiten zu verstehen.“