KI kann die Parkinson-Krankheit anhand eines Lächelns mit 87,9 % Genauigkeit diagnostizieren

Eine neue Ära in der Diagnostik der Parkinson-Krankheit beginnt. Wissenschaftler haben eine revolutionäre künstliche Intelligenz entwickelt, die diese neurodegenerative Erkrankung allein anhand eines kurzen Videos erkennen kann, auf dem ein Patient lächelt.

Bahnbrechende Studie mit dem bislang umfangreichsten Datensatz

Ein von Tariq Adnan geleitetes Team veröffentlichte im renommierten New England Journal of Medicine eine Studie, die die Sicht auf die diagnostischen Möglichkeiten bei der Parkinson-Krankheit verändert hat. Die Forscher nutzten den größten bekannten Videodatensatz zu Gesichtsausdrücken, an dem 1 452 Personen teilnahmen, von denen 391 an Parkinson erkrankt waren.

Das Modell erreichte bei der Erkennung der Krankheit allein anhand der Analyse eines Lächelns eine überraschende Gesamtgenauigkeit von 87,9 %. Noch bemerkenswerter ist, dass diese Technologie bei unterschiedlichen Bevölkerungsgruppen in Nordamerika und Bangladesch zuverlässig funktionierte.

Nach Angaben der Parkinson-Stiftung werden in diesem Jahr schätzungsweise 90 000 neue Patienten mit dieser Krankheit diagnostiziert. Bis 2030 wird erwartet, dass die Zahl der Erkrankten 1,2 Millionen erreicht. Die frühzeitige Diagnose der Parkinson-Krankheit stellt aufgrund des begrenzten Zugangs zu klinischen Fachärzten und der Notwendigkeit persönlicher Untersuchungen eine erhebliche Herausforderung dar.

KI-Werkzeuge für Fernuntersuchungen bieten skalierbare und kosteneffiziente Lösungen, die diese Lücken in der Gesundheitsversorgung schließen können. Dies ist besonders für ländliche und unterfinanzierte Gemeinschaften von Bedeutung.

Wie die Technologie funktioniert

Die neue Untersuchungsmethode beruht auf einem einfachen Prinzip. Die Teilnehmer nahmen sich mithilfe einer Online-Plattform selbst dabei auf, wie sie Gesichtsausdrücke einschließlich eines Lächelns nachahmten. Anschließend extrahierten die Forschungsteams Gesichtspunkte und maßen Aktionseinheiten, um die Hypomimie zu quantifizieren – ein häufiges motorisches Symptom der Parkinson-Krankheit, bei dem die Bewegung der Gesichtsmuskeln vermindert ist.

Auf Grundlage dieser Merkmale wurden Modelle für maschinelles Lernen entwickelt, die Personen mit Parkinson-Krankheit von gesunden Menschen unterscheiden konnten. Die Studie nutzte eine breit angelegte Rekrutierungsstrategie, die Teilnehmer aus Nordamerika über soziale Medien, E-Mails, Wellnesszentren und Forschungsregister sowie eine Hochrisikogruppe aus Bangladesch einbezog.

Erfolgsquote bei unterschiedlichen Bevölkerungsgruppen

Das ausschließlich mit Videos von lächelnden Personen trainierte Modell erreichte bei einer zehnfachen Kreuzvalidierung eine Genauigkeit von 87,9 %, eine Sensitivität von 76,8 % und eine Spezifität von 91,4 %. Die Validierung anhand externer Testsätze ergab eine Genauigkeit von 80,3 % im klinischen US-Datensatz und von 85,3 % in der bangladeschischen Gruppe.

Während der negative Vorhersagewert in allen Umgebungen über 92 % blieb, sank der positive Vorhersagewert bei den bangladeschischen Teilnehmern auf 35,7 %, was Unterschiede in den Bevölkerungsmerkmalen widerspiegelt.

Weitere Forschung und technologische Fortschritte

Neueste Forschungsergebnisse aus dem Jahr 2024 zeigen, dass sich die KI-gestützte Analyse von Gesichtsausdrücken rasant weiterentwickelt. Forscher der Cornell University arbeiten an einer KI-gestützten Brille, die akustische Sensorik zur Rekonstruktion von Gesichtsausdrücken in Echtzeit nutzt. Dadurch eröffnet sich die Möglichkeit einer kontinuierlichen Überwachung von Patienten mit Parkinson-Krankheit.

Forscher der UC San Francisco entwickelten ein videobasiertes System, das gewöhnliche Smartphones zur Quantifizierung von Gesichtsmerkmalen und zur Überwachung des Krankheitsverlaufs nutzt. Systematische Übersichtsarbeiten bestätigen, dass Deep-Learning-Modelle, insbesondere konvolutionale neuronale Netze, bei der Identifizierung von Patienten mit Parkinson-Krankheit eine Genauigkeit von bis zu 88–95 % erreichen.

Die Zukunft der KI-Diagnostik

Der Hauptautor der Studie, Tariq Adnan, betonte: „Videos von lächelnden Personen können Menschen mit und ohne Parkinson-Krankheit wirksam voneinander unterscheiden und bieten eine potenziell einfache, zugängliche und kosteneffiziente Untersuchungsmethode, insbesondere wenn der Zugang zu einer klinischen Diagnose eingeschränkt ist.“

Der Code für die Videoverarbeitung und das maschinelle Lernen ist auf GitHub öffentlich zugänglich, sodass andere Forscher diese Arbeit fortsetzen können. Die Forschung wurde vom Nationalen Institut für neurologische Erkrankungen und Schlaganfälle der Nationalen Gesundheitsinstitute finanziert.

Zu den nächsten Schritten gehören eine umfassendere Validierung der KI-Untersuchungsmethode in weiteren realen Bevölkerungsgruppen und eine weitere Optimierung des Algorithmus, um die Genauigkeit der Früherkennung zu maximieren. Die regulatorischen und klinischen Wege für die Überführung in die Praxis werden darüber entscheiden, ob und wann diese Technologie im US-amerikanischen Gesundheitssystem verfügbar sein wird.