Endometriose dank KI effizient und genau diagnostizieren
Endometriose, eine Erkrankung, bei der gebärmutterschleimhautähnliches Gewebe außerhalb der Gebärmutter wächst, betrifft weltweit etwa 190 Millionen Frauen, bleibt aber häufig undiagnostiziert. Die Symptome werden oft ignoriert, und es kann vier bis elf Jahren dauern, bis eine Diagnose erfolgt. Das Ziel des EU-finanzierten Projekts FEMaLe(öffnet in neuem Fenster) lautet, diese Herausforderung mit der Erschaffung von Instrumenten zur klinischen Entscheidungsunterstützung auf der Grundlage künstlicher Intelligenz (KI) zu meistern. Ziel war es, die Ärztinnen und Ärzte dabei zu unterstützen, Endometriose früher und präziser zu erkennen. Dazu wurde ein breites Spektrum von Patientinnendaten analysiert, das sich von klinischen Aufzeichnungen und selbstberichteten Symptomen bis hin zur Genetik und Krankengeschichte erstreckte.
Endometriose-Frühindikatoren erkennen
„Wir mussten das Unsichtbare sichtbar werden lassen“, erklärt Ulrik Bak Kirk, Chefberater der Universität Aarhus(öffnet in neuem Fenster) und Koordinator des Projekts FEMaLe. „Deshalb haben wird Technologie in einen Bereich hineingebracht, der jahrzehntelang vernachlässigt wurde.“ Im Kern wurde innerhalb von FEMaLe die KI genutzt, um riesige Mengen an Patientinnendaten von klinischen Aufzeichnungen und Fragebögen bis hin zu genetischen Daten zu analysieren, um subtile Muster zu erkennen, die sich oftmals der üblichen Diagnostik entziehen. Endometriose ist keine Krankheit, die bei allen Betroffenen gleich in Erscheinung tritt. Die Symptome sind sehr unterschiedlich, und die Datenlage ist komplex. Anstatt sich auf ein einzelnes Symptom oder Testergebnis zu konzentrieren, betrachtete die KI das Gesamtbild und lernte aus Tausenden Datenpunkten, um Frühindikatoren für Endometriose zu markieren. „Wir haben KI und maschinelles Lernen eingesetzt, um frühe Anzeichen zu erkennen, die vielleicht nicht sofort ersichtlich waren“, fügt Kirk hinzu. „Je früher wir die Krankheit erkennen können, desto besser können wir sie behandeln oder sogar ihr Fortschreiten verhindern.“
Patientinnen mithilfe von Daten den Rücken stärken
Im Rahmen des Projekts wurden zwei Schlüsselsysteme entwickelt(öffnet in neuem Fenster): ein System zur klinischen Entscheidungsunterstützung für Angehörige der Gesundheitsberufe und eine digitale Begleit-App für die Patientinnen. Beide waren durch eine Dateninfrastruktur verbunden, die kontinuierliches Feedback und iteratives maschinelles Lernen gestattete. Der Ansatz von FEMaLe erfolgte ganzheitlich. Die Stimmen der Patientinnen wurden direkt in den Entwicklungsprozess und die Pilotprojekte in Dänemark, Ungarn und Schweden einbezogen – und das nicht nur als Probandinnen, sondern als Mitgestalterinnen. Patientinnenorganisationen und Fachleutegremien waren von Anfang an Teil des Konsortiums und trugen dazu bei, dass die Instrumente praktisch und ethisch vertretbar waren sowie auf den Erfahrungen der Betroffenen beruhten. „Wir haben die Patientinnen vom ersten Tag an einbezogen“, betont Kirk. „Ihr Feedback prägte den Prozess bei jedem gegangenen Schritt.“ Eines der Hauptziele des Projekts bestand darin, die Verzögerungen in der Diagnostik zu beseitigen. Das System zur klinischen Entscheidungsunterstützung leistete den Ärztinnen und Ärzten Hilfestellung bei der Bewertung der Wahrscheinlichkeit einer Endometriose, indem Kombinationen von Symptomen und Gesundheitsdaten hervorgehoben wurden, die sonst möglicherweise übersehen worden wären. Die patientinnenorientierte digitale Begleit-App verschaffte den Nutzerinnen mehr Kontrolle über ihre Erkrankung. Es ermöglichte ihnen, Symptome, Behandlungen und Schmerzlevel über einen längeren Zeitraum nachzuverfolgen. Diese Daten wurden anonymisiert und dann in die KI-Engine eingespeist, damit diese lernen und die Diagnosevorschläge für zukünftige Nutzerinnen verbessern kann.
Neue Gesundheitsdiagnosen entwickeln
Der Einfluss der Ergebnisse von FEMaLe hat bereits den ursprünglichen Anwendungsbereich überschritten. Die Erkenntnisse haben dazu beigetragen, neue Diagnostika wie den speichelbasierten Ziwig Endotest(öffnet in neuem Fenster) zu entwickeln. In Deutschland erforschen die Projektteams von MIRACUM und GECCO ebenfalls integrierte Gesundheitsdaten und KI-gestützte Diagnostika, die auf den Feststellungen von FEMaLe aufbauen. Jetzt, da das Projekt abgeschlossen ist, steht im Mittelpunkt, wie es weitergeht. Die Interessengruppen erkunden, wie die entwickelten Instrumente in die nationalen Gesundheitssysteme integriert, über Europa hinaus ausgedehnt und an weitere komplexe Erkrankungen mit ähnlichen diagnostischen Herausforderungen angepasst werden können. FEMaLe als eine gemeinsame Anstrengung sollte sicherstellen, dass der Schmerz von Frauen nicht nur gehört, sondern auch verstanden, gemessen und behandelt wird. „Hier geht es nicht nur um Technologie“, betont Kirk abschließend. „Es geht darum, das Schweigen und die Stigmatisierung rund um eine Krankheit zu beenden, von der viele Millionen Frauen betroffen sind.“
