KI erkennt Parkinson auf Fragebögen, die sie nie gesehen hat
KI-Modelle, die darauf trainiert wurden, Parkinson anhand von Gesundheitsfragebögen zu erkennen, scheitern meist, sobald ihnen ein anderer Fragebogen vorgelegt wird. Ein neues System geht einen anderen Weg – und liefert zuverlässige Ergebnisse selbst auf Fragebögen, mit denen es nie trainiert wurde.
Parkinson ist die weltweit am schnellsten wachsende neurologische Erkrankung. Viele Betroffene leben Jahre mit den Symptomen, bevor sie eine Diagnose erhalten. Fragebögen zu Schlaf, Geruchssinn, Stimmung und motorischen Funktionen können frühe Warnsignale enthalten – doch die Formulierungen der Fragen unterscheiden sich von Fragebogen zu Fragebogen erheblich. Diese Variabilität hat es bislang schwer gemacht, KI-Modelle von einem Fragebogen auf einen anderen zu übertragen.
Bedeutung statt Wortlaut
Das neue System namens Quest2Dx nutzt ein Sprachmodell, das den Sinn jeder Frage und ihrer Antwort als Zahlenmuster speichert – anstatt den genauen Wortlaut auswendig zu lernen. Die Forschenden veröffentlichten ihre Ergebnisse in Nature Aging. Weil das System den Sinn und nicht die genaue Form erfasst, erkannte es Parkinson auch auf Fragebögen, die es beim Training noch nie gesehen hatte.
Früherkennung ohne aufwendige Geräte
Viele Ansätze zur Früherkennung von Parkinson setzen Hirnscanner oder spezielle Geräte voraus. Fragebögen sind dagegen kostengünstig und lassen sich in großem Maßstab einsetzen. Kann ein KI-System zuverlässig zwischen bewährten Fragebögen wechseln, ließen sich bestehende Gesundheitsdatenbanken für ein breites Screening nutzen, ohne Patientinnen und Patienten erneut untersuchen zu müssen. Die Studie bezeichnet diesen Ansatz als vielversprechend; genaue Zahlen zur Leistung in bestimmten klinischen Situationen werden im vorliegenden Text nicht genannt.
Suchbegriffe zur Vertiefung: language model medical questionnaire generalisation | Parkinson's early detection AI screening | semantic representation symptom data