Künstliche Intelligenz zur Diagnoseunterstützung

Pilotprojekt zur Entwicklung eines intelligenten Algorithmus zur Unterstützung bei der frühzeitigen Diagnosestellung von Psoriasis Arthritis und axialer Spondyloarthritis

© Shutterstock.com | metamorworks

Psoriasis Arthritis (PsA) und axiale Spondyloarthritis (axSpA) sind Immunerkrankungen, die chronisch verlaufen und oft mehrere Organsysteme gleichzeitig betreffen. In Deutschland leiden ca. 0,2 % der Menschen an PsA (140.000 Erkrankte), an axSpA sind ca. 550.000 Menschen erkrankt (0,8 % der Bevölkerung).

Späte Diagnose durch anfänglich unspezifische Symptome

Patienten, die unter PsA oder axSpA leiden, klagen häufig über unspezifische Symptome, die auch anderen Erkrankungsbildern ähneln können (z. B. schmerzende Gelenke der Hände/ Füße oder Rückenschmerzen). Viele Patienten werden daher erst im späten Krankheitsverlauf beim Rheumatologen vorstellig, was die Prognose verschlechtert. Aufgrund der heterogenen Krankheitsbilder hängen eine erfolgreiche Diagnose und Therapie maßgeblich von der Befundinterpretation durch den Fachrheumatologen ab.

Potential der künstlichen Intelligenz

Diverse Datensätze aus der klinischen Routine stehen zur medizinischen Befundinterpretation zur Verfügung. Methoden der Künstlichen Intelligenz (KI) und automatisierten Bildauswertung stellen hier ein großes Potential dar. Zudem ist die Digitalisierung im Gesundheitswesen ein priorisiertes Ziel, die jedoch herausfordernd in der Umwandlung von unstrukturierten Daten in von Algorithmen lesbare Informationen ist.

Strukturierte Datensätze durch Anwendung von künstlicher Intelligenz

Ziel dieses Projekts ist es, vordefinierte, typische, klinische Datensätze durch Anwendung von KI in strukturierte Datensätze umzuwandeln sowie erhobene Bilddaten (Röntgen, MRT) automatisiert auszuwerten. Die Befundbewertung auf Grundlage von Häufigkeiten soll dann zur medizinischen Interpretation genutzt werden, um einen Output zu generieren, der eine erste Prädiktion der Erkrankungssymptomatik zusammenfasst und zur Übersicht präsentiert.

In diesem Projekt soll der erste Grundstein für eine Implementierung eines solchen Algorithmus in die Versorgung gelegt werden. Langfristig soll ermöglicht werden, bereits auf Hausarztebene unterstützend zu bewerten, ob der vorstellige Patient in Bezug auf die Befund- und Beschwerdekonstellation eine erhöhte Wahrscheinlichkeit für das Vorliegen einer PsA oder axSpA hat und somit frühzeitig zur Abklärung zum Rheumatologen geschickt werden sollte.

Interdisziplinäre Zusammenarbeit

Fraunhofer IME, Institutsteil TMP:

Medizinische Interpretation von Datensätzen, Durchführung klinischer Studien, Expertise im Bereich immunmediierter und entzündlicher Erkrankungen

Fraunhofer IAIS:

Systementwicklung basierend auf künstlicher Intelligenz und Anwendung auf medizinische Daten

Fraunhofer IGD:

Entwicklung von Software und Algorithmen zur Darstellung und automatisierten Bewertung unterschiedlicher bildgebender Verfahren

Fraunhofer IMW:

Nutzerzentrierung

Ausblick

Mit erfolgreichem Abschluss dieses Projekts wird ein erster Demonstrator entwickelt, der Pipelines für die Erfassung von klinischen Daten in den Indikationen PsA und axSpA sowie für deren Umwandlung und Auswertung in strukturierte Datensets schafft. Dieser soll dann weiterentwickelt und spezifiziert werden, um in einem größeren Studienprojekt in der klinischen Routine in Anwendung zu gehen. Ziel ist es, einen unterstützenden Algorithmus zu entwickeln, der die Rate der korrekten Zuweisungen zum Facharzt durch Unterstützung mittels KI erhöht.  Durch Kontaktaufnahme mit Krankenkassen kann dann im Verlauf die Implementierung in bestehende digitale Versorgungssysteme diskutiert werden, um den Algorithmus flächendeckend in ganz Deutschland anzubieten. Erste Kontakte zu Krankenkassenvertretern wurden bereits aufgenommen und das Interesse an der Verfolgung des Projektes bekundet.