Diabetes mit Ganzkörper-MRT erkennen

Tübingen. Mit einer Ganzkörper-Kernspinaufnahme (MRT) lässt sich offenbar ein Typ-2-Diabetes diagnostizieren. Das zeigt eine aktuelle Studie von Wissenschaftlern 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 Universitätsklinik Tübingen. „Wir haben untersucht, ob man Typ-2-Diabetes auch anhand bestimmter Muster der Körperfettverteilung im MRT diagnostizieren könnte“, erläutert Professor Robert Wagner den Ansatz der Wissenschaftler, die den Angaben zufolge sogenannte Deep-Learning-Methoden genutzt haben. Deep Learning ist ein Teilbereich der Künstlichen Intelligenz (KI) und eignet sich besonders, wenn viele unterstrukturierte Daten vorliegen.

Um mögliche Muster zu erkennen, haben die Wissenschaftler die KI mit Ganzkörper-MRT-Aufnahmen von 2000 Menschen trainiert. Sie alle hatten sich außerdem auch einem Screening mit oralem Glukosetoleranz-Test (oGTT) unterzogen. So habe die KI gelernt, Diabetes zu detektieren. „Eine Analyse der Modellergebnisse ergab, dass eine Fettansammlung im unteren Abdomen bei der Diabetesdetektion eine entscheidende Rolle spielt“, berichtet Wagner. Weitere Analysen zeigten zudem, dass auch ein Teil der Menschen mit einem Prädiabetes sowie Menschen mit einem Diabetes-Subtyp, der zu Nierenerkrankungen führen kann, über MRT-Aufnahmen identifiziert werden können. Die Wissenschaftler arbeiten den Angaben zufolge 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.

Um Deep-Learning-Algorithmen beizubringen, Bilder korrekt auszuwerten und Diagnosen vorherzusagen, werden sie an annotierten (mit Informationen versehenen) Daten trainiert. (mu)