Die neurodegenerative Erkrankung Parkinson ist die zweithäufigste neurologische Störung. Dabei sterben Nervenzellen im Gehirn der Patienten ab, was zu einer verminderten Dopaminausschüttung führt. Infolgedessen entstehen bei den Betroffenen die typischen Anzeichen wie Muskelzittern, ein regungsloser Gesichtsausdruck und ein schleppender Gang. Nun soll eine neue Form der Früherkennung die Diagnose erleichtern.
Die Diagnose von Parkinson ist schwierig
Parkinson kann in der Regel mithilfe von bildgebenden Verfahren, Messungen der Hirnströme und einer Analyse der Hirnflüssigkeit diagnostiziert werden. Im Krankheitsverlauf treten die ersten Symptome erst nach dem Ausbruch auf. Deshalb werden erste Untersuchungen meist erst angewendet, wenn diese genannten Merkmale bereits auftreten. Wird bei einem Patienten nach Auftreten eines oder mehrerer Symptome Parkinson diagnostiziert, ist die Krankheit also größtenteils schon fortgeschritten. Eine neue Art der Frühdiagnose wurde also sehnsüchtig erwartet.
Dina Katabi und ihr Team vom Massachusetts Institute of Technology in Cambridge entwickelten nun eine neue Möglichkeit der Früherkennung. Katabi hielt sich bei ihrer Entwicklung an einen altbekannten Aspekt der Parkinson Erkrankung. „Bereits 1817 wurde in der Arbeit von Dr. James Parkinson ein Zusammenhang zwischen Parkinson und der Atmung festgestellt. Das hat uns dazu veranlasst, über die Möglichkeit nachzudenken, die Krankheit anhand der Atmung zu erkennen“, so Katabi laut Wissenschaft.de. „Einige medizinische Studien haben gezeigt, dass sich Atemsymptome Jahre vor den motorischen Symptomen manifestieren, was bedeutet, dass Atemmerkmale für die Risikobewertung vor der Parkinson-Diagnose vielversprechend sein könnten“.
In einer Studie widmete sich die Wissenschaftlerin mit ihrem Team der Frage, ob eine künstliche Intelligenz das Atemmuster von Menschen, die Anzeichen für Parkinson aufweisen, erkennen könnte. Dabei handelt es sich um Computer-Algorithmen, die ähnlich wie das menschliche Gehirn funktionieren sollen. Diese können Daten erfassen und neue Muster erlernen und erkennen. Diese Funktion machte sich das Team zunutze und trainierte die künstliche Intelligenz darauf, ein bestimmtes Atemmuster zu erkennen.
Mobile Anwendung
Bei Überprüfungen des entwickelten Programmes zeigte sich, dass es eine Treffsicherheit von 80 % besitzt. In Tests wurden 7687 Personen nachts mit einem Gerät überwacht. 757 davon waren Parkinson-Patienten. Die Messungen erfolgen kontaktlos, dabei wird das Gerät gegenüber dem Bett des Patienten befestigt. Über Funksignale und deren Reflexionen werden die Atembewegungen gemessen.
„Unsere Studie zeigt die Durchführbarkeit einer objektiven, nicht invasiven Bewertung von Parkinson zu Hause und liefert auch erste Hinweise darauf, dass dieses KI-Modell für die Risikobewertung vor der klinischen Diagnose nützlich sein könnte“, so Katabi. „Im Hinblick auf die klinische Versorgung kann der Ansatz bei der Beurteilung von Parkinson-Patienten in traditionell unterversorgten Regionen helfen, und derjenigen, die aufgrund eingeschränkter Mobilität oder kognitiver Beeinträchtigungen nur schwer das Haus verlassen können“.
Die Geräte können somit sowohl zu Hause, als auch im Bereich medizinischer Einrichtungen angewendet werden. Dies soll Pflege- und Klinikpersonal entlasten.
Bild von Annick Vanblaere auf Pixabay