Biomarker

von Kirsten

Teil 1 (von 2)

Künstliche Intelligenz (KI) ist spätestens seit der kommerziellen Einführung von ChatGPT weitläufig bekannt. Hierbei durchlaufen Input-Daten (z.B. Eingabetext des Users) ein trainiertes digitales neuronales Netzwerk, um selbstständig neuen Output zu generieren (z.B. Antwort auf eine Frage). Künstliche Intelligenz wird aber nicht nur als textbasiertes Kommunikationsmittel (die auf sogenannten General Language Modellen wie ChatGPT basieren) eingesetzt, sondern hat viele andere Anwendungsbereiche, wie z.B. (Wetter-)Vorhersagen, Sprach-, Video- oder Bilderkennung.

Künstliche Intelligenz eignet sich generell gut zur Erkennung von Mustern und Anomalien. Verschiedene Anwendungsmöglichkeiten der künstlichen Intelligenz können prinzipiell bei unterschiedlichen krankheitsrelevanten Themen eingesetzt werden. Da stellt sich nun die Frage, inwieweit die künstliche Intelligenz einen Benefit bei MS liefern kann in Bezug auf Diagnostik, Behandlungsmöglichkeiten und Prognosen.

Künstliche Intelligenz im Allgemeinen

Der Begriff «Künstliche Intelligenz» ist nicht einfach zu definieren [1]. Im Allgemeinen bedeutet KI, dass der Computer nicht einfach nur Ergebnisse anhand einer Formel ermittelt – also nur das ausführt, was vorab programmiert wurde. Sondern dass er die Input-Daten zum Beispiel über ein vorgegebenes digitales Neuronen-Netz (NN) verarbeitet. Und dabei «selbstständig» lernt, welche Informationen mehr oder weniger relevant für den Output sind bzw. gegebenenfalls selbst sogar noch Output generiert.

Man programmiert das System also nicht direkt darauf, was es als wichtig betrachten soll. Die Art und Größe des neuronalen Netzes wird vorab programmiert. Außerdem wird festgelegt, welche Daten als Input (Trainingsdaten) verwendet werden sollen. Meist liefert die erste Nutzung eines neuronalen Netzes nicht die besten Ergebnisse. Datenwissenschaftler testen daher verschiedene Arten von NNs für die zu verwendenden Daten. Sie testen, welche Anzahl an Neuronen in dem NN die (relativ betrachtet) besten Ergebnisse liefert. Und sie «trainieren» und «tunen» einige Zeit lang das neuronale Netz, damit es gute Ergebnisse auch für neue/zukünftige Daten liefern kann.

Was die Datenverarbeitung innerhalb eines neuronalen Netzes betrifft, ist häufig nicht im Detail bekannt, was dort genau passiert. Natürlich wurde die Arbeitsweise eines Neurons von jemandem programmiert. Aber wie das Neuronen-Netz die Daten verarbeitet, bleibt teilweise nach wie vor eine Black Box, in die man nicht hineinsehen kann [2], [3].

Je nach Architektur und Training des Neuronalen Netzes sowie der Art und Menge der Input-Daten kann die künstliche Intelligenz mehr oder weniger gute bzw. verlässliche Ergebnisse liefern. Die Technologie wird zukünftig vermutlich auf verschiedensten Fachgebieten vermehrt genutzt und weiter verbessert werden, so dass wir uns davor kaum verschließen können.

Im klinischen Bereich soll (u.a. aufgrund ethischer Bedenken) nach bisherigem Stand eine KI keinen Arzt ersetzen [2], [4] – und damit keine weitreichenden Entscheidungen fällen, auch wenn es ihr möglich wäre. Auf EU-Ebene wurde erst Mitte März 2024 der «AI Act» zur Regulation von Künstlicher Intelligenz verabschiedet. Dieser besagt u.a., dass KI bei einem potenziell hohen Risiko für die Gesundheit nur eingesetzt werden darf, wenn bekannte und vorhersehbare Risiken in einer Risikoanalyse vorab dokumentiert wurden und Qualitätskriterien bei Trainingsdaten eingehalten werden [5].

Es liegt aber nahe, dass die KI unterstützend in verschiedenen Bereichen eingesetzt werden soll. Besonders deshalb, weil sie schneller und vielschichtiger z.B. Änderungen erkennen kann als ein Mensch das könnte (z.B. bei der Verlaufskontrolle der MS). Es geht also vor allem darum, die Stärken der KI so gut wie möglich zu nutzen – gerade bei einer so komplexen Erkrankung wie der Multiplen Sklerose.

Insgesamt betrachtet, könnte man KI bei verschiedensten MS-relevanten Themen einsetzen. Aktuell wird auch viel daran geforscht (was im Folgenden näher erklärt wird). Die KI kann also dazu beitragen, ein vollständigeres Bild der MS-Entstehung und -Erkrankung zu generieren sowie zielgerichtetere Therapieansätze zu ermöglichen. Inwieweit KI tatsächlich in der Klinik eingesetzt werden soll, wird uns wohl erst die Zukunft zeigen.

Erkrankungsrisiko

Allgemein bekannt ist schon seit längerer Zeit, dass MS häufiger Frauen betrifft als Männer. Dass sie die Diagnose meist im Alter von 20-40 Jahren erhalten und dass Bevölkerungen in Äquatornähe eine niedrigere Erkrankungsrate aufweisen, als weiter entfernte. Solche Informationen könnten prinzipiell verwendet werden, um vorab das Risiko einer MS-Erkrankung zu ermitteln. Doch diese Daten allein reichen nicht aus, um eine möglichst zuverlässige Aussage treffen zu können.

Studien im Bereich der Genetik nutzen DNA-Sequenzen als Input für neuronale Netze, um das Erkrankungsrisiko genauer ermitteln zu können [6], [7]. KI wird auch bereits bei genomweiten Assoziationsstudien eingesetzt, um genetische Variationen in Verbindung mit dem Auftreten bestimmten Erkrankungen (wie z.B. MS) in Verbindung bringen zu können [8]. Erst kürzlich wurde (allerdings ohne KI) herausgefunden, dass die unterschiedliche Erkrankungsraten in Nord- und Südeuropa u.a. auf einen genetischen Vorteil im Bereich der Tierhaltung zurückzuführen wären [9]. Demzufolge hätten unsere Vorfahren weniger schwere akute Erkrankungen durch Erreger erleiden müssen, die von Tieren auf den Menschen übergesprungen sind – und als «Nebenwirkung» die MS-Erkrankung mit sich brachten. Weitere solcher genomweiten Assoziationen könnten mithilfe der KI möglicherweise schneller und umfassender erkannt werden.

Die DNA-Sequenzierung selbst setzt allerdings eine kostenintensivere Laborarbeit voraus, die nach bisherigem Wissensstand nicht von einer KI ausgeführt wird. Eine DNA-Sequenzierung auf Kosten der Krankenkasse scheint bisher noch nicht in Sicht. Dennoch ist die Forschung auf diesem Gebiet ein wichtiger Baustein, um die Ursache der Erkrankung besser verstehen zu können. Und sogar, um z.B. das gleichzeitige Auftreten verschiedener Gen-Anomalien (Forschungsfeld der Genomics) in Kontext mit der MS sowie möglicher Auswirkungen auf den Krankheitszustand des Patienten zu bringen [10].

Biomarker werden häufig im klinischen Bereich genutzt, um Hinweise auf vorliegende Krankheiten zu bekommen. Häufig werden Biomarker z.B. im Rahmen eines «Blutbildes» überprüft. Biomarker können prinzipiell auch in Speichel, Urin, Stuhl, Gehirn- & Rückenmarksflüssigkeit sowie Gewebe detektiert werden und Hinweise auf z.B. Stoffwechselstörungen liefern. Bei der Diagnose von MS wird bisher kein Blut- oder Urin-Biomarker herangezogen. Allerdings wird die Hirn- und Rückenmarksflüssigkeit auf das Vorliegen von Antikörpern untersucht.

Gerade bei Erkrankungen, bei denen wenig über Ursache und Zusammenhänge bekannt ist, wird in der Forschung u.a. an den «Omics» geforscht. Zum einen um ein besseres Verständnis der Erkrankung zu gewinnen. Zum anderen, um verlässliche Biomarker zu identifizieren, die später z.B. zu Diagnosezwecken oder zur Forschung zielgerichteter Medikamente eingesetzt werden können. Zu den «Omics» zählen z.B. «Genomics» (Erforschung sämtlicher DNA-Sequenzen des Genoms), «Proteomics» (Erforschung sämtliche Proteine im Körper) und «Metabolomics» (Erforschung sämtliche Stoffwechselprodukte im Körper).

Im Hinblick auf die MS-Erkrankung wurden in verschiedenen Studien Auffälligkeiten bei den Omics entdeckt. Diese wurden in Hirn- und Rückenmarksflüssigkeit, Blut- und Urinproben, Speichel, Tränenflüssigkeit sowie Hirngewebe gefunden [11], [12], [13], [14]. Dass die Analyse bestimmter Moleküle von Hirngewebe lebender Patienten im klinischen Bereich zukünftig eingesetzt wird, scheint weniger realistisch – und bleibt wohl auch zukünftig vorwiegend dem Forschungsbereich überlassen. Die Analyse von Blut-, Urin- und Speichelproben erscheint hingegen durchaus denkbar. Sogar die Analyse von Tränenflüssigkeit zeigt Auffälligkeiten bei MS-Erkrankten und könnte zukünftig möglicherweise anstelle der Analyse von Hirn- und Rückenmarksflüssigkeit eingesetzt werden (ohne einen invasiven Eingriff wie die Lumbalpunktion durchführen zu müssen).

Die KI könnte unterstützend eingesetzt werden, um letztendlich einen verlässlichen Biomarker zu identifizieren [15]. Allerdings müssten vorher sehr viele Blutparameter (wie z.B. Eisenwerte oder Blutgerinnungsfaktoren sowie viele andere) von Blutproben vieler Probanden (gesunde sowie MS-Erkrankte) ermittelt werden, bevor die KI eine sinnvolle Auswertung vornehmen kann. Wenn solche umfassenden Studien durchgeführt und verlässliche Biomarker in Körperflüssigkeiten wie z.B. Blut ermittelt werden würden, wäre der Einsatz der KI auch im klinischen Bereich (z.B. zu Diagnosezwecken) gut vorstellbar. Bisher wird KI allerdings hauptsächlich im Kontext der Bilderkennung eingesetzt (siehe nächstes Kapitel) und weniger im Bereich Biomarker-Screening von Körperflüssigkeiten.

Zwischenfazit

Künstliche Intelligenz (KI) bietet vielversprechende Möglichkeiten in der Medizin, auch bei Multipler Sklerose (MS). Sie kann Muster und Anomalien erkennen, um genetische Risiken und Biomarker zu identifizieren. Trotz ethischer Bedenken und regulatorischer Hürden könnte KI zukünftig Diagnostik und Behandlung unterstützen.

Im zweiten Teil des Artikels wird es um spezifische Anwendungen wie Bilderkennung, Spracherkennung, Ganganalyse und die Entwicklung von Medizinprodukten gehen. Diese Technologien könnten die Überwachung und Behandlung von MS signifikant unterstützen, indem sie präzisere und schnellere Ergebnisse liefern.

Referenzen

[1] ‘Künstliche Intelligenz’, Wikipedia. May 23, 2024. Accessed: May 25, 2024. [Online]. Available: https://de.wikipedia.org/w/index.php?title=K%C3%BCnstliche_Intelligenz&oldid=245234182 
[2] D. Ä. G. Ärzteblatt Redaktion Deutsches, ‘Künstliche Intelligenz: Ethikrat empfiehlt strenge Vorgaben in der Medizin’, Deutsches Ärzteblatt. Accessed: May 25, 2024. [Online]. Available: https://www.aerzteblatt.de/nachrichten/141824/Kuenstliche-Intelligenz-Ethikrat-empfiehlt-strenge-Vorgaben-in-der-Medizin 
[3] S. Beck, M. Faber, and S. Gerndt, ‘Rechtliche Aspekte des Einsatzes von KI und Robotik in Medizin und Pflege’, Ethik Med., vol. 35, no. 2, pp. 247–263, Jun. 2023, doi: 10.1007/s00481-023-00763-9.
[4] ‘Ethikrat: Künstliche Intelligenz darf menschliche Entfaltung nicht vermindern’. Accessed: May 25, 2024. [Online]. Available: https://www.ethikrat.org/mitteilungen/mitteilungen/2023/ethikrat-kuenstliche-intelligenz-darf-menschliche-entfaltung-nicht-vermindern/?cookieLevel=not-set 
[5] ‘Künstliche Intelligenz: Diese Regeln fordern Ethik-Experten’, ZDFheute. Accessed: May 25, 2024. [Online]. Available: https://www.zdf.de/nachrichten/politik/ki-regeln-gesetz-ai-act-eu-ethik-experten-100.html 
[6] S. Ghafouri-Fard, M. Taheri, M. D. Omrani, A. Daaee, and H. Mohammad-Rahimi, ‘Application of Artificial Neural Network for Prediction of Risk of Multiple Sclerosis Based on Single Nucleotide Polymorphism Genotypes’, J. Mol. Neurosci., vol. 70, no. 7, pp. 1081–1087, Jul. 2020, doi: 10.1007/s12031-020-01514-x.
[7] Y. Naji, M. Mahdaoui, R. Klevor, and N. Kissani, ‘Artificial Intelligence and Multiple Sclerosis: Up-to-Date Review’, Cureus, vol. 15, no. 9, p. e45412, doi: 10.7759/cureus.45412.
[8] J. Lin and K. Y. Ngiam, ‘How data science and AI-based technologies impact genomics’, Singapore Med. J., vol. 64, no. 1, pp. 59–66, Jan. 2023, doi: 10.4103/singaporemedj.SMJ-2021-438.
[9] W. Barrie et al., ‘Elevated genetic risk for multiple sclerosis emerged in steppe pastoralist populations’, Nature, vol. 625, no. 7994, pp. 321–328, Jan. 2024, doi: 10.1038/s41586-023-06618-z.
[10] M. Hartmann, N. Fenton, and R. Dobson, ‘Current review and next steps for artificial intelligence in multiple sclerosis risk research’, Comput. Biol. Med., vol. 132, p. 104337, May 2021, doi: 10.1016/j.compbiomed.2021.104337.

[11] A. Jafari, A. Babajani, and M. Rezaei-Tavirani, ‘Multiple Sclerosis Biomarker Discoveries by Proteomics and Metabolomics Approaches’, Biomark. Insights, vol. 16, p. 11772719211013352, Jan. 2021, doi: 10.1177/11772719211013352.
[12] J. Lötsch et al., ‘Machine-learning based lipid mediator serum concentration patterns allow identification of multiple sclerosis patients with high accuracy’, Sci. Rep., vol. 8, no. 1, p. 14884, Oct. 2018, doi: 10.1038/s41598-018-33077-8.
[13] N. Ziliotto et al., ‘Coagulation Factor XII Levels and Intrinsic Thrombin Generation in Multiple Sclerosis’, Front. Neurol., vol. 9, p. 245, Apr. 2018, doi: 10.3389/fneur.2018.00245.
[14] K. Göbel et al., ‘Prothrombin and factor X are elevated in multiple sclerosis patients’, Ann. Neurol., vol. 80, Oct. 2016, doi: 10.1002/ana.24807.
[15] F. Nabizadeh et al., ‘Artificial intelligence in the diagnosis of multiple sclerosis: A systematic review’, Mult. Scler. Relat. Disord., vol. 59, p. 103673, Mar. 2022, doi: 10.1016/j.msard.2022.103673.
[16] W. I. McDonald et al., ‘Recommended diagnostic criteria for multiple sclerosis: Guidelines from the international panel on the diagnosis of multiple sclerosis’, Ann. Neurol., vol. 50, no. 1, pp. 121–127, 2001, doi: 10.1002/ana.1032.
[17] C. H. Polman et al., ‘Diagnostic criteria for multiple sclerosis: 2010 Revisions to the McDonald criteria’, Ann. Neurol., vol. 69, no. 2, pp. 292–302, Feb. 2011, doi: 10.1002/ana.22366.
[18] ‘Wie funktioniert eine MRT? | Stiftung Gesundheitswissen’. Accessed: May 03, 2024. [Online]. Available: https://www.stiftung-gesundheitswissen.de/gesundes-leben/koerper-wissen/was-ist-eine-magnetresonanztomographie-mrt 
[19] Y. Hou, Y. Jia, and J. Hou, ‘Natural Course of Clinically Isolated Syndrome: A Longitudinal Analysis Using a Markov Model’, Sci. Rep., vol. 8, no. 1, p. 10857, Jul. 2018, doi: 10.1038/s41598-018-29206-y.
[20] E. Svoboda et al., ‘Assessing clinical utility of machine learning and artificial intelligence approaches to analyze speech recordings in multiple sclerosis: A pilot study’, Comput. Biol. Med., vol. 148, p. 105853, Sep. 2022, doi: 10.1016/j.compbiomed.2022.105853.

[21] F. J. F. Gerald, B. E. Murdoch, and H. J. Chenery, ‘Multiple Sclerosis: Associated Speech and Language Disorders’, Aust. J. Hum. Commun. Disord., Dec. 1987, doi: 10.3109/asl2.1987.15.issue-2.02.
[22] ‘GRBAS.pdf’. Accessed: May 03, 2024. [Online]. Available: https://www.pucsp.br/laborvox/dicas_pesquisa/downloads/GRBAS.pdf 
[23] P. Plotas et al., ‘Speech deficits in multiple sclerosis: a narrative review of the existing literature’, Eur. J. Med. Res., vol. 28, no. 1, p. 252, Jul. 2023, doi: 10.1186/s40001-023-01230-3.
[24] G. Noffs et al., ‘Speech metrics, general disability, brain imaging and quality of life in multiple sclerosis’, Eur. J. Neurol., vol. 28, no. 1, pp. 259–268, 2021, doi: 10.1111/ene.14523.
[25] ‘Premiere: MS-Zentrum nutzt Sprachtests als digitale Biomarker’. Accessed: May 03, 2024. [Online]. Available: https://www.uniklinikum-dresden.de/de/presse/aktuelle-medien-informationen/premiere-ms-zentrum-nutzt-sprachtests-als-digitale-biomarker 
[26] ‘Zentrum für klinische Neurowissenschaften Dresden – Sprachanalyse’. Accessed: May 03, 2024. [Online]. Available: https://msz.uniklinikum-dresden.de/studien/sprachanalyse 
[27] ‘Ganganalyse’, Wikipedia. Jan. 16, 2024. Accessed: May 25, 2024. [Online]. Available: https://de.wikipedia.org/w/index.php?title=Ganganalyse&oldid=241237575 
[28] A. S. Alharthi, S. U. Yunas, and K. B. Ozanyan, ‘Deep Learning for Monitoring of Human Gait: A Review’, IEEE Sens. J., vol. 19, no. 21, pp. 9575–9591, Nov. 2019, doi: 10.1109/JSEN.2019.2928777.
[29] J. F. Kurtzke, ‘Rating neurologic impairment in multiple sclerosis’, Neurology, vol. 33, no. 11, pp. 1444–1444, Nov. 1983, doi: 10.1212/WNL.33.11.1444.
[30] B. M. Meyer et al., ‘Wearables and Deep Learning Classify Fall Risk From Gait in Multiple Sclerosis’, IEEE J. Biomed. Health Inform., vol. 25, no. 5, pp. 1824–1831, May 2021, doi: 10.1109/JBHI.2020.3025049.

[31] K. Trentzsch et al., ‘Using Machine Learning Algorithms for Identifying Gait Parameters Suitable to Evaluate Subtle Changes in Gait in People with Multiple Sclerosis’, Brain Sci., vol. 11, no. 8, Art. no. 8, Aug. 2021, doi: 10.3390/brainsci11081049.
[32] M. S. und G. Enwaldt, ‘Ärzte unter Zeitdruck: Medizin im Hamsterrad’, tagesschau.de. Accessed: May 03, 2024. [Online]. Available: https://www.tagesschau.de/inland/gesellschaft/arzt-zeitmangel-100.html 
[33] ‘DiGA-Verzeichnis’. Accessed: May 25, 2024. [Online]. Available: https://diga.bfarm.de/de/verzeichnis/00419 
[34] ‘DiGA-Verzeichnis’. Accessed: May 25, 2024. [Online]. Available: https://diga.bfarm.de/de/verzeichnis/00752 
[35] ‘GAIA – Digital Therapeutics | News’, Machine Learning Algorithms Reveal New Insights on GAIA’s Treatment Software. Accessed: May 25, 2024. [Online]. Available: https://gaia-group.com/news/machine-learning-algorithms-reveal-new-insights-on-gaia-treatment-software.html 
[36] ‘Künstliche Intelligenz wird bald Arztbriefe schreiben’, Fraunhofer-Gesellschaft. Accessed: May 25, 2024. [Online]. Available: https://www.fraunhofer.de/de/presse/presseinformationen/2023/august-2023/kuenstliche-intelligenz-wird-bald-arztbriefe-schreiben.html 
[37] C. for D. and R. Health, ‘Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices’, FDA, May 2024, Accessed: May 25, 2024. [Online]. Available: https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices 
[38] ‘Reflection paper on the use of artificial intelligence in the lifecycle of medicines | European Medicines Agency’. Accessed: May 25, 2024. [Online]. Available: https://www.ema.europa.eu/en/news/reflection-paper-use-artificial-intelligence-lifecycle-medicines 
[39] ‘Künstliche Intelligenz am Forschungsdatenzentrum im BfArM zur Erforschung von Anonymisierungsmöglichkeiten und AI-readiness (KI-FDZ)’. Accessed: May 25, 2024. [Online]. Available: https://www.bundesgesundheitsministerium.de/ministerium/ressortforschung/handlungsfelder/digitalisierung/ki-fdz 
[40] ‘BfArM – Pressemitteilungen des BfArM – Big Data gegen Lieferengpässe: BfArM fordert mehr Transparenz von der Pharmaindustrie’. Accessed: May 25, 2024. [Online]. Available: https://www.bfarm.de/SharedDocs/Pressemitteilungen/DE/2021/pm11-2021.html 
[41] ‘Multiple Sklerose’, Wikipedia. May 06, 2024. Accessed: May 25, 2024. [Online]. Available: https://de.wikipedia.org/w/index.php?title=Multiple_Sklerose&oldid=244726430 
[42] M. Chen and M. Decary, ‘Artificial intelligence in healthcare: An essential guide for health leaders’, Healthc. Manage. Forum, vol. 33, no. 1, pp. 10–18, Jan. 2020, doi: 10.1177/0840470419873123.

Photo:

KI-generiertes Foto

Und wenn Sie helfen wollen, dass Life-SMS Ihnen weiterhin wertvolle Informationen bereitstellen kann, dass unser Projekt weiterlebt, unterstützen Sie uns über drei einfache Wege!