KI findet unerkannte Erkrankungen in routinemäßigen CT-Scans
Ein CT-Scan beantwortet in der Regel eine einzige klinische Frage. Doch die Bilder enthalten weit mehr Information, als ein Radiologe verarbeiten kann. Ein neues KI-Modell hebt diese verborgenen Signale ans Licht.
Forschende der University of Pennsylvania haben ein KI-Modell namens Percival auf mehr als 400.000 CT-Bildvolumen von 52.000 Patienten trainiert, ergänzt durch die zugehörigen radiologischen Befundberichte. Das Modell lernte, Muster zu erkennen, die mit Diagnosen aus den Bereichen Herz-Kreislauf-Erkrankungen, Stoffwechselstörungen, Krebs und weiteren Krankheitsbildern verknüpft sind. Die Studie erschien in der Fachzeitschrift npj Digital Medicine.
Was das Modell erkennt
Das Modell extrahierte aussagekräftige Informationen zu Patientenmerkmalen wie Alter, Geschlecht und Körpergröße. Darüber hinaus fand es signifikante Zusammenhänge mit 35 Arten von Laborwerten – darunter Nierenfunktion, Leberfunktion, Blutglukose, Fettstoffwechsel und Blutbild. Bildmuster ließen sich 351 Diagnosekategorien über mehrere Organsysteme hinweg zuordnen.
Die Leistung war dabei uneinheitlich. Die direkte Schätzung von Laborwerten aus Scandaten war überwiegend schwach. Nur für Albumin, Hämoglobin und Kreatinin zeigte das Modell eine vertretbare Vorhersagegenauigkeit. Es ist daher kein Ersatz für Bluttests, sondern ein ergänzendes System zur Signalerkennung.
Relevant für die Früherkennung im Alter
Für die Präventivmedizin und die Longevity-Forschung weist die Richtung in eine vielversprechende Zukunft. Viele Menschen über fünfzig erhalten bereits aus anderen Gründen CT-Scans. Wenn diese Aufnahmen zugleich frühe Hinweise auf unerkannte Erkrankungen liefern können, steigt der Informationsgehalt vorhandener Bildgebung – ohne zusätzliche Belastung für die Patienten.
Ein direkter Vergleich mit menschlichen Radiologen ist der nächste Schritt, betonen die Forschenden. Erst dann wird sich zeigen, welchen klinischen Mehrwert Percival in der Praxis tatsächlich bietet. Vorerst bleibt es ein vielversprechendes Werkzeug, das weiterer Validierung bedarf.
Suchbegriffe für weitere Recherche: Vision-Language-Modell medizinische Bildgebung, CT-Scan Biomarker-Vorhersage, Früherkennung KI Radiologie