Startseite » Medizin » News »

Frühe Diagnose: Über Maschinelles Lernen Alzheimer erkennen

Machine Learning in der Medizin
Machine Learning für frühere Alzheimer-Diagnose

Machine Learning für frühere Alzheimer-Diagnose
Mit Machine Learning will Louise Bloch, Doktorandin an der FH Dortmund, die Diagnose von Alzheimer in sehr frühem Stadium verbessern (Bild: FH Dortmund, Benedikt Reichel)
Die Diagnose Alzheimer erfolgt oft erst, wenn ernsthafte Probleme mit Gedächtnis und Denkvermögen auftreten. Eine Software soll nun lernen, Alzheimer anhand von Gehirnscans in sehr frühem Stadium zu erkennen. Dann könnten möglichen Therapien früher beginnen.

Eine Krankheit wie Alzheimer wird von vielen verschiedenen Faktoren beeinflusst. Und überwachte maschinelle Lernverfahren sind sehr gut darin, komplexe Muster zu erkennen. Louise Bloch, Doktorandin an der Fachhochschule Dortmund, setzt daher für eine frühe Diagnose von Alzheimer auf Machine Learning. Sie füttert ihr Programm mit Daten von mehr als 2000 Probanden, damit die Maschine soll in der Vielzahl der Gehirnscans Muster erkennen kann. Die Scans zeigen unterschiedliche Stadien der Erkrankung und wurden zum Teil auch vor einer Alzheimer-Diagnose gemacht.

Künstliche Intelligenz: Sieht Dr. Algorithmus tatsächlich mehr?

Machine Learning: Mit 100 000 Parametern etwas über Alzheimer lernen

Das von Louise Bloch entwickelte Daten-Modell erlernt derzeit mehrere 100 000 Parameter, um die Zusammenhänge zwischen MRT-Aufnahmen, weiteren klinischen Daten und den Krankheitsstadien zu erkennen: Welche Veränderungen sind relevant? Welche Gehirnregionen wichtig? So entsteht ein neuronales Netz, das große Datenmengen auswerten kann „Wenn dieses trainierte Verfahren dann Daten von Patientinnen und Patienten mit unbekannter Diagnose erhält, lassen sich die Muster vergleichen und eine Diagnose erstellen“, sagt die Informatikerin. Auch ein mögliches Alzheimer-Risiko lasse sich dann prognostizieren, ist Louise Bloch überzeugt.

Digitalisierung

Maschinelle Diagnose durch Arzt bestätigen lassen

Die Diagnose oder auch eine potenzielle Alzheimer-Gefahr müsse aber letztlich durch einen Arzt bestätigt werden, betont die Wissenschaftlerin. Teil ihrer Forschung an der FH Dortmund ist darum auch, wie die Daten der Maschine so aufbereitet werden können, dass sie für Mediziner transparent nachvollziehbar sind. Dabei arbeitet Louise Bloch eng mit der medizinischen Fakultät der Universität Duisburg-Essen zusammen. Wie an Fachhochschulen üblich, promoviert sie kooperativ an beiden Hochschulen.

Kontakt:
Fachhochschule Dortmund
Louise Bloch
E-Mail: louise.bloch@fh-dortmund.de
https://doi.org/10.1007/s42979–022–01371-y

Vertrauenswürdige Künstliche Intelligenz: Neuer Standard VDE-AR-E 2842-61 hilft beim Entwickeln

Unsere Webinar-Empfehlung
Aktuelle Ausgabe
Titelbild medizin technik 1
Ausgabe
1.2024
LESEN
ABO
Newsletter

Jetzt unseren Newsletter abonnieren

Titelthema: PFAS

Medizintechnik ohne PFAS: Suche nach sinnvollem Ersatz

Alle Webinare & Webcasts

Webinare aller unserer Industrieseiten

Aktuelles Webinar

Multiphysik-Simulation

Medizintechnik: Multiphysik-Simulation

Whitepaper

Whitepaper aller unserer Industrieseiten


Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de