Laut einer neuen Studie der National Institutes of Health (NIH) können künstliche Intelligenz (KI) und maschinelles Lernen (ML) das polyzystische Ovarialsyndrom (PCOS), die häufigste Hormonstörung bei Frauen, die typischerweise im Alter zwischen 15 und 45 Jahren auftritt, effektiv erkennen und diagnostizieren. Forscher überprüften systematisch veröffentlichte wissenschaftliche Studien mit KI/ML, um Daten zur Diagnose und Klassifizierung von PCOS zu analysieren, und stellten fest, dass KI/ML-basierte Programme PCOS erfolgreich erkennen konnten.
„Angesichts der erheblichen Belastung durch Unter- und Fehldiagnosen von PCOS in der Gemeinschaft und ihrer potenziell schwerwiegenden Folgen wollten wir den Nutzen von KI/ML bei der Identifizierung von Patienten ermitteln, bei denen möglicherweise ein Risiko für PCOS besteht“, sagte Studienmitautorin Janet Hall, MD, leitende Forscherin und Endokrinologin am National Institute of Environmental Health Sciences (NIEHS), einem Teil der National Institutes of Health (NIH). „Die Wirksamkeit künstlicher Intelligenz und maschinellen Lernens bei der Erkennung von PCOS ist beeindruckender als wir dachten.“
Das polyzystische Ovarialsyndrom tritt auf, wenn die Eierstöcke nicht richtig funktionieren, was in vielen Fällen mit einem erhöhten Testosteronspiegel einhergeht. Die Krankheit kann zu unregelmäßiger Menstruation, Akne, Gesichtsbehaarung oder Haarausfall am Kopf führen. Frauen mit PCOS haben im Allgemeinen ein erhöhtes Risiko für Typ-2-Diabetes, Schlafstörungen, psychische Störungen, Herz-Kreislauf-Störungen und andere Fortpflanzungsstörungen wie Gebärmutterkrebs und Unfruchtbarkeit.
„Die Diagnose von PCOS kann eine Herausforderung sein, da es sich mit anderen Erkrankungen überschneidet“, sagte der leitende Autor der Studie, Skand Shekhar, MD, Assistenzarzt und Endokrinologe an den National Institutes of Health. „Diese Daten spiegeln das ungenutzte Potenzial wider, KI/ML in elektronische Gesundheitsakten und andere klinische Umgebungen zu integrieren, um die Diagnose und Versorgung von Frauen mit PCOS zu verbessern.“
Die Autoren der Studie empfehlen, große bevölkerungsbasierte Studien mit elektronischen Gesundheitsdatensätzen zu kombinieren und gängige Labortests zu analysieren, um sensible diagnostische Biomarker zu identifizieren, die bei der Diagnose von PCOS helfen könnten.
PCOS wird auf der Grundlage standardisierter Kriterien diagnostiziert, die sich im Laufe der Jahre weiterentwickelt haben und allgemein akzeptiert sind. Im Allgemeinen umfassen sie jedoch klinische Merkmale (z. B. Akne, übermäßiger Haarwuchs und unregelmäßige Menstruation) sowie Laborbefunde (z. B. hoher Testosteronspiegel im Blut) und radiologische Befunde (z. B. mehrere kleine Zysten und eine Vergrößerung der Eierstöcke bei der Ultraschalluntersuchung der Eierstöcke). PCOS wird jedoch oft übersehen, da einige Merkmale von PCOS mit anderen Erkrankungen wie Fettleibigkeit, Diabetes und Herz-Kreislauf-Störungen koexistieren können.
Unter künstlicher Intelligenz versteht man den Einsatz computergestützter Systeme oder Werkzeuge zur Nachahmung menschlicher Intelligenz und zur Unterstützung von Entscheidungen oder Vorhersagen. ML ist ein Zweig der künstlichen Intelligenz, der sich darauf konzentriert, aus früheren Ereignissen zu lernen und dieses Wissen auf zukünftige Entscheidungen anzuwenden. Künstliche Intelligenz kann große Mengen unterschiedlicher Daten, beispielsweise aus elektronischen Gesundheitsakten, verarbeiten und ist daher ein ideales Hilfsmittel bei der Diagnose schwer diagnostizierbarer Erkrankungen wie dem polyzystischen Ovarialsyndrom.
Die Forscher führten eine systematische Überprüfung aller in den letzten 25 Jahren (1997–2022) veröffentlichten Peer-Review-Studien mit KI/ML zur Erkennung von PCOS durch. Mithilfe eines erfahrenen NIH-Bibliothekars identifizierten die Forscher potenziell geeignete Studien. Sie haben insgesamt 135 Studien gescreent und 31 in diesen Artikel aufgenommen. Alle Studien waren Beobachtungsstudien und bewerteten den Einsatz von KI/ML-Technologien in der Patientendiagnose. Etwa die Hälfte der Studien umfasste Ultraschallbilder. Das Durchschnittsalter der Studienteilnehmer betrug 29 Jahre.
In 10 Studien, die standardisierte Diagnosekriterien zur Diagnose von PCOS verwendeten, lag die Erkennungsgenauigkeit zwischen 80 % und 90 %.
„Über verschiedene Diagnose- und Klassifizierungsmodalitäten hinweg hat KI/ML bei der Erkennung von PCOS äußerst gute Ergebnisse erzielt, was die wichtigste Schlussfolgerung unserer Studie ist“, sagte Shekhar.
Die Autoren stellen fest, dass KI/ML-basierte Projekte das Potenzial haben, unsere Fähigkeit, Frauen mit PCOS frühzeitig zu erkennen, erheblich zu verbessern, wodurch die damit verbundenen Kosten eingespart und die Belastung, die PCOS für Patienten und das Gesundheitssystem mit sich bringt, verringert werden. Folgeforschung mit starken Validierungs- und Testpraktiken wird eine reibungslose Integration von KI/ML in chronische Gesundheitszustände ermöglichen.