Diagnostik: Diabetes mit Ganzkörper-MRT erkennen
- 12.01.2022
- Print-News
- Redaktion
Eine Studie des Deutschen Zentrums für Diabetesforschung (DZD), des Instituts für Diabetesforschung und Metabolische Erkrankungen des Helmholtz Zentrums München an der Universität Tübingen, des Max-Planck-Instituts und der Universitätsklinik Tübingen untersuchte, ob sich Typ-2-Diabetes anhand bestimmter Muster der Körperfettverteilung im MRT diagnostizieren lässt. Um solche Muster zu erkennen, nutzten die Forschenden künstliche Intelligenz (KI). Sie trainierten Deep-Learning-Netzwerke1 (Maschinelles Lernen) mit Ganzkörper-MRT-Aufnahmen von 2 000 Menschen, die sich auch einem Screening mit oralem Glukosetoleranz-Test (oGTT) unterzogen hatten. Mit dem oGTT lassen sich ein gestörter Glukosestoffwechsel nachweisen und ein Diabetes diagnostizieren. So lernte die KI, Diabetes zu detektieren.
Die Analysen zeigten, dass eine Fettansammlung im unteren Abdomen bei der Diabetesdetektion eine entscheidende Rolle spielt. Weiter konnte gezeigt werden, 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 sei es, durch neue Methoden die Ursachen des Diabetes zu identifizieren, um bessere Vorsorge- und Therapiemöglichkeiten zu finden.
Quelle: Deutsches Zentrum für Diabetesforschung, Pressemeldung vom 11.10.2021
____________________
1 Deep Learning ist eine spezielle Methode aus dem Bereich des Maschinellen Lernens mit künstlichen neuronalen Netzen (KNN) und damit auch ein Teilgebiet der Künstlichen Intelligenz (KI).
Diesen Artikel finden Sie auch in ERNÄHRUNGS UMSCHAU 1/2022 auf Seite M4.
