Bildquelle: Dietz et al., JCI Insight 2021 (CC BY 4.0)

News • KI-verstärkte Bildgebung

Ganzkörper-MRT erkennt Diabetes

Mit einer Ganzkörper-Kernspinaufnahme (MRT) lässt sich Typ-2-Diabetes diagnostizieren. Das zeigt eine aktuelle Studie von Forschenden des Deutschen Zentrums für Diabetesforschung, des Instituts für Diabetesforschung und Metabolische Erkrankungen des Helmholtz Zentrums München an der Universität Tübingen, des Max- Planck-Instituts für Intelligente Systeme und der Universitätsklinik Tübingen.

Sie nutzten Deep-Learning-Methoden und Daten von mehr als 2000 MRTs, um Patienten mit (Prä-)Diabetes identifizieren zu können. Die Ergebnisse wurden jetzt im Fachjournal JCI Insight veröffentlicht.

Photo
Gradientenkarten für Diabetes, die für 50 zufällig ausgewählte Personen mit Prädiabetes berechnet wurden. Die Körperscans sowie die Gradientenkarten wurden entlang der koronalen Projektion gemittelt, um zweidimensionale Darstellungen zu erzeugen.

Bildquelle: Dietz et al., JCI Insight 2021 (CC BY 4.0)

Übergewicht und viel Körperfett erhöhen das Risiko eines Diabetes. Doch nicht jeder übergewichtige Mensch erkrankt auch daran. Entscheidend ist, wo das Fett im Körper gespeichert wird. Lagert sich Fett unter der Haut an, ist es harmloser als Fett in tieferen Bereichen des Bauches (das sogenannte viszerale Fett). Wie das Fett im Körper verteilt ist, lässt sich mit Ganzkörper-Kernspintomographie gut darstellen. „Wir haben nun untersucht, ob man Typ-2-Diabetes auch anhand bestimmter Muster der Körperfettverteilung im MRT diagnostizieren könnte“, erläutert Letzt-Autor Prof. Robert Wagner den Ansatz der Forschenden.

Um solche Muster zu erkennen, nutzten die Forschende künstliche Intelligenz (KI). Sie trainierten Deep-Learning-Netzwerke (Maschinelles Lernen) mit Ganzkörper-MRT-Aufnahmen von 2.000 Menschen, die sich auch einem Screening mit oralem Glukosetoleranz-Test (abgekürzt oGTT) unterzogen hatten. Mit dem oGTT, auch Zuckerbelastungstest genannt, lassen sich ein gestörter Glukosestoffwechsel nachweisen und ein Diabetes diagnostizieren. So lernte die KI, Diabetes zu detektieren. „Eine Analyse der Modellergebnisse ergab, dass eine Fettansammlung im unteren Abdomen bei der Diabetesdetektion eine entscheidende Rolle spielt“, berichtet Wagner. Weitere zusätzliche Analysen zeigten zudem, dass auch ein Teil der Menschen mit einer Vorstufe des Diabetes (Prädiabetes) sowie Menschen mit einem Diabetes-Subtyp, der zu Nierenerkrankungen führen kann, über MRT-Aufnahmen identifiziert werden können.

Die Forschenden arbeiten nun daran, die biologische Steuerung der Körperfettverteilung zu entschlüsseln. Ein Ziel ist es, durch neue Methoden wie dem Einsatz von KI die Ursachen des Diabetes zu identifizieren, um bessere Vorsorge- und Therapiemöglichkeiten zu finden.


Quelle: Deutsches Zentrum für Diabetesforschung

13.10.2021

Verwandte Artikel

Photo

News • Projekt RACOON FADEN

Adenomyose: Gebärmutter-Segmentierung für bessere Früherkennung

Bei einer Adenomyose können Veränderungen der Gebärmuttermuskulatur starke Schmerzen verursachen und zur Unfruchtbarkeit führen. Ein neues Verfahren soll die Früherkennung verbessern.

Photo

News • Verbundprojekt PERSONALISE-DKD

Diabetische Nierenerkrankungen: Auf dem Weg zu personalisierter Behandlung

Das internationale Verbundprojekt PERSONALISE-DKD will personalisierte Medizin nutzen, um die Versorgung von diabetischen Nierenpatienten zu verbessern.

Photo

News • KI-Segmentierung von Spinalganglien im MRT

Neue Einblicke ins periphere Nervensystem

Forscher haben ein KI-Modell zur automatischen Erkennung und Segmentierung von Spinalganglien in MRT-Bildern entwickelt. Das eröffnet neue Möglichkeiten, insbesondere in der Schmerzmedizin.

Verwandte Produkte

Newsletter abonnieren