Künstliche Intelligenz in der Diabetes-Behandlung: Was Algorithmen heute schon leisten

Ob Früherkennung von Netzhautschäden, Unterstützung bei der Insulindosierung oder Vorhersage von Unterzuckerungen: Künstliche Intelligenz spielt in der Diabetes-Behandlung eine zunehmend wichtige Rolle. Das Institut für KI in der Medizin (IKIM) an der Universitätsmedizin Essen erforscht, wie Algorithmen aus großen Datenmengen lernen und die Behandlung präziser machen können. In einem Fachbeitrag für die Zeitschrift Diabetes-Forum hat das IKIM Anwendungsfelder für KI-Modelle in der Diabetologie vorgestellt. Hier sind die wichtigsten Fakten für Menschen mit Diabetes aus diesem Artikel.

Künstliche Intelligenz, kurz KI, bezeichnet Computersysteme, die Aufgaben lösen, für die normalerweise menschliches Denken nötig ist: Lernen, Muster erkennen und daraus Schlussfolgerungen ziehen. Die meisten KI-Systeme in der Medizin funktionieren, indem sie mit großen Mengen an Beispieldaten trainiert werden. Dazu zählen z.B. Röntgenbilder, Laborwerte oder Glukoseverläufe. Aus diesen Daten lernt das System, Muster zu erkennen und darauf basierend Vorhersagen oder Empfehlungen zu treffen.

Eine Besonderheit vieler moderner KI-Systeme ist, dass sich ihre Entscheidungswege oft nur schwer nachvollziehen lassen. Fachleute sprechen dann von einer „Black Box”. Aus diesem Grund wird intensiv daran gearbeitet, KI-Entscheidungen transparenter zu machen. Etwa damit Ärztinnen und Ärzte nachvollziehen können, warum ein System eine bestimmte Empfehlung ausspricht.

Anwendungsfelder in der Diabetologie

In der Diabetes-Behandlung fallen durch kontinuierliche Glukosemessung (CGM), Insulinpumpen und andere Diabetes-Technologien große Mengen an Daten an. Diese von Hand auszuwerten, ist kaum möglich. KI kann hier ansetzen und Muster erkennen, die sonst verborgen blieben.

Ein bereits zugelassenes Beispiel ist ein KI-System zur automatisierten Erkennung der diabetischen Retinopathie. Dabei handelt es sich um eine Netzhautschädigung, die durch einen Diabetes entstehen kann. Das System wertet Fotos des Augenhintergrunds aus und kann Anzeichen einer beginnenden Schädigung erkennen; teils bevor sie mit bloßem Auge sichtbar sind.

Auch bei anderen Folge-Erkrankungen des Diabetes wie Nierenschäden (Nephropathie) oder Nervenschäden (Neuropathie) wird untersucht, ob KI-gestützte Auswertungen von Bildern und Messwerten eine frühere Diagnose ermöglichen.

In der Therapie unterstützt KI zunehmend bei der Einschätzung von Kohlenhydratmengen in Mahlzeiten sowie bei Vorschlägen zur Anpassung von Insulindosen. Besonders im Zusammenspiel mit Systemen zur automatisierten Insulinabgabe (AID-Systemen) zeigt sich bereits ein Nutzen. Studien berichten von einer verbesserten Blutzuckereinstellung bei Menschen, die solche Systeme nutzen.

Vorhersage von Unterzuckerungen

Ein weiteres Einsatzfeld betrifft Wearables, also am Körper getragene Geräte und Sensoren. Sie können unter Einsatz von KI Unterzuckerungen vorhersagen, bevor sie eintreten, und damit möglicherweise akute Notfälle verhindern. Ein Beispiel aus der aktuellen Forschung ist ein Modell namens GluFormer, das mit Daten aus mehr als zehn Millionen Glukosemessungen trainiert wurde. Es soll Muster im Blutzuckerverlauf erkennen, die auf ein erhöhtes Risiko für Diabetes-Folgeerkrankungen oder Herz-Kreislauf-Ereignisse hinweisen, und dabei teils genauer sein als der klassische Langzeitblutzuckerwert HbA1c.

Offene Fragen und Grenzen

Trotz dieser Fortschritte bestehen Herausforderungen. Weil KI-Entscheidungen oft schwer nachvollziehbar sind, wird diskutiert, wie viel Vertrauen ihnen entgegengebracht werden sollte und wer im Fehlerfall verantwortlich ist. Zudem können KI-Systeme nur so gut sein wie die Daten, mit denen sie trainiert wurden. Sind diese Daten unausgewogen, etwa wenn bestimmte Personengruppen darin unterrepräsentiert sind, kann das die Ergebnisse verzerren. So wurden bereits geschlechtsspezifische Unterschiede in der Genauigkeit mancher Algorithmen beobachtet.

Auch rechtliche und organisatorische Fragen spielen eine Rolle, etwa welche Vorschriften für KI-basierte Medizinprodukte gelten und wie Gesundheitsdaten sicher und einheitlich gespeichert werden können, damit sie überhaupt für die Entwicklung solcher Systeme nutzbar sind.

Fazit

Künstliche Intelligenz bietet in der Diabetologie Ansatzpunkte für eine genauere Diagnostik, individuellere Therapie-Anpassung und frühzeitigere Erkennung von Risiken. Bis diese Möglichkeiten flächendeckend in der Versorgung ankommen, sind allerdings noch technische, rechtliche und ethische Fragen zu klären. Forschungseinrichtungen wie das Institut für KI in der Medizin (IKIM) in Essen arbeiten daran, gemeinsam mit Kliniken, Industrie und Politik, die dafür nötigen Grundlagen zu schaffen.

von Gregor Hess

Gregor Hess ist Medizin-Redakteur und Chef vom Dienst der Website des Diabetes-Ankers. Er ist darüber hinaus verantwortlicher Redakteur für das Portal diabetologie-online.de und arbeite zudem mit an der diabetes zeitung, dem Diabetes-Anker-Magazin sowie weiteren digitalen MedTriX-Projekten.