KI lernt, das Sterberisiko durch Parkinson vorherzusagen

Wissenschaftler der Yonsei-Universität (Südkorea) führten eine Studie zur Vorhersage der Sterblichkeit von Parkinson-Patienten mithilfe erklärbarer künstlicher Intelligenz (XAI) durch, die ihre Handlungen und Entscheidungen beschreiben kann. Für die Arbeit nutzten die Spezialisten Daten von 36.480 Personen. Für die individuelle Prognose wurden 165 Parameter aus den Daten abgeleitet, darunter Alter, Geschlecht, Einkommensniveau, Wohnort und Versicherungsart. Mithilfe von sieben Algorithmen des maschinellen Lernens identifizierte die KI die einflussreichsten Merkmale für die Sterblichkeitsvorhersage. Die Ergebnisse der Studie wurden in der Fachzeitschrift Nature veröffentlicht.

Von den Algorithmen zeigte XGBoost die beste Leistung. Das Modell identifizierte Alter, Geschlecht (männlich), Lungenentzündung, Alzheimer-Krankheit und einen hohen Body-Mass-Index als die wichtigsten Merkmale zur Vorhersage der Sterblichkeit. Zu den Markern gehörten auch ischämischer Infarkt, unspezifische Demenz und traumatische Hirnverletzungen.

Die Tabelle verglich Daten von Patienten, die innerhalb von zehn Jahren nach der Diagnose verstarben, mit denen, die im gleichen Zeitraum mit der Krankheit lebten. Zusätzlich zu den Krankenakten des Nationalen Krankenversicherungsdienstes Südkoreas (NHIS) nutzten die Forscher Informationen aus persönlichen Fragebögen der Patienten, die dazu beitrugen, Indikatoren für die Lebensqualität der Betroffenen zu ermitteln. Das Modell zeigte, dass Patienten mit geringer körperlicher Aktivität häufiger starben (13.484 von 36.480 Personen innerhalb von zehn Jahren). Gleichzeitig starben in diesem Zeitraum nur 809 Menschen, die einen aktiven Lebensstil führten.

Ein weiterer untersuchter Parameter, der Nüchternblutzucker (mg/dl), lag bei verstorbenen Patienten im Durchschnitt bei 107,79 ± 35,47 und bei Überlebenden bei 103,43 ± 27,84. Verstorbene Patienten hatten niedrigere Cholesterinwerte (188,19 ± 45,26 gegenüber 193,82 ± 44,59 bei Überlebenden) und einen niedrigeren Body-Mass-Index (23,21 ± 3,29 gegenüber 24,21 ± 3,10).

Die Wissenschaftler betonen, dass sie mithilfe von XAI die Möglichkeit aufzeigen konnten, das Sterberisiko von Parkinson-Patienten zum Zeitpunkt der Diagnose individuell vorherzusagen. Entsprechend können die kontrollierten Parameter (BMI, Laborwerte) lebensverlängernd angepasst werden. Die praktische Anwendung dieser Daten ermöglicht ein personalisiertes Patientenmanagement: So wird beispielsweise älteren Männern mit Parkinson und gleichzeitiger Alzheimer-Erkrankung eine spezielle Überwachung von Gewicht und Laborwerten empfohlen. Die Forscher betonen jedoch, dass die Integration dynamischer klinischer Parameter ratsam sei, um die Genauigkeit der Zehnjahresprognose in zukünftigen Studien zu erhöhen. Für die Skalierung des Modells sei zudem eine Validierung an anderen Populationen notwendig.

Im September 2023 ging der jährliche Breakthrough Prize, auch „Oscar der Wissenschaft“ genannt, an ein deutsches Forschungsteam, das die häufigsten genetischen Ursachen der Parkinson-Krankheit entdeckte. Thomas Gasser (Hertie-Institut für klinische Hirnforschung, Universität Tübingen und Deutsches Zentrum für Neurodegenerative Erkrankungen), Ellen Sidransky (National Human Genome Research Institute, National Institutes of Health) und Andrew Singleton (National Institute on Aging, National Institutes of Health) entdeckten die häufigsten genetischen Ursachen der Parkinson-Krankheit.

Sidransky identifizierte Mutationen im GBA1-Gen, das für ein Enzym kodiert, das Fettstoffe in Zellen abbaut und einen genetischen Risikofaktor für die Parkinson-Krankheit darstellt. Gasser und Singleton zeigten unabhängig voneinander, dass Mutationen im LRRK2-Gen zu einer erhöhten Aktivität eines Proteins führen, das vermutlich zu den neuronalen Schäden bei der Krankheit beiträgt. Diese Erkenntnisse liefern Hinweise auf die Mechanismen, die die Krankheit verursachen, und weisen auf die Rolle des Lysosoms hin, eines Zellorganells, das Zellbestandteile abbaut und recycelt.