Mit computergestützten Verfahren der künstlichen Intelligenz lassen sich aus zerebralen Kernspintomografie-Daten von Hochrisiko-Probanden Muster neuroanatomischer Veränderungen extrahieren, die diese Personen signifikant von gesunden Kontrollprobanden unterscheiden. Diesen Nachweis konnte nun ein internationales Forscherteam aus Wissenschaftlern der Ludwig-Maximilians-Universität, München, der Friedrich-Schiller-Universität, Jena, und der University of Pennsylvania, USA, erbringen. Die gelernten Muster erlaubten sowohl eine zuverlässige diagnostische Einordnung verschiedener Hochrisikozustände als auch die korrekte Vorhersage eines späteren Ausbruchs schizophrener Störungen mit Wahrscheinlichkeiten zwischen 80 % und 90 %. So lasse sich mit der Methode Schizophrenie deutlich früher diagnostizieren, was die Behandlungsmöglichkeiten entscheidend verbessere. Es gebe in der wissenschaftlichen Literatur Hinweise, dass sich dieser Erkrankungsverlauf durch möglichst frühzeitiges therapeutisches Handeln verhindern oder zumindest verzögern ließe. Allerdings werde in der Praxis dieses frühe therapeutische Fenster verpasst, weil die Diagnose der Erkrankung im Schnitt erst drei bis fünf Jahre nach dem Einsetzen erster Symptome gestellt werde. Als Gründe dafür nennen die Forscher vor allem fehlende biologische Marker.
Unsere Whitepaper-Empfehlung
Lesen Sie, warum Medizintechnikunternehmen ihre Testprozesse für die Validierung von Software optimieren müssen und wie sie dabei die Erfahrung der Automobilbranche für sich nutzen können.
Teilen:
