Wearables helfen bei Diagnose und Monitoring von neurologischen Erkrankungen

Dabei verarbeiten Algorithmen die von den Sensoren registrierten Körperbewegungen der Patientinnen und Patienten im Alltag und setzen diese in einen Gesamtzusammenhang. So lassen sich digitale Biomarker definieren, die ein präzises und kontinuierliches Monitoring der Erkrankten ermöglichen.

Bislang unübertroffene Genauigkeit

Das KI-System erkennt krankheitsassoziierte Bewegungsmuster, die so klein sind, dass sie selbst von erfahrenen Neurologinnen und Neurologen übersehen werden. Es benötigt nur etwa halb so viel Zeit, um die Symptome neurodegenerativer Erkrankungen nach deren Ausbruch aufzuspüren, wie dies mit konventionellen diagnostischen Verfahren möglich ist.

Entwickelt wurde die Technologie von internationalen Forscherteams um Prof. Aldo Faisal von der Universität Bayreuth. In zwei Fallstudien konnten sie zeigen, dass sich ihre Innovation erfolgreich für die Erkennung neurologischer Erkrankungen und die Vorhersage des Krankheitsverlaufs einsetzen lässt.

„Die systematische Verknüpfung von Wearables und Künstlicher Intelligenz versetzt die Medizin erstmals in die Lage, auch für seltene neurodegenerative Krankheiten Therapiekonzepte zu entwickeln, die auf die individuelle körperliche Verfassung der Patientinnen und Patienten zugeschnitten sind“, sagt Faisal. „Nach Beginn einer Therapie können unsere Biomarker dabei helfen, deren Wirksamkeit zu überprüfen und gegebenenfalls nötige Anpassungen vorzunehmen.“

Rasche und präzise Prognosen

Dies unterstreichen die Ergebnisse einer Studie an Patientinnen und Patienten mit Friedreich-Ataxie. Die Erkrankung wird durch eine genetisch bedingte Störung bei der Produktion des Proteins Frataxin hervorgerufen, was eine Beeinträchtigung von kardialen und neurologischen Funktionen nach sich zieht.

Derzeit dauert es bis zu zwei Jahre, um mithilfe gängiger Messinstrumente wie dem Spinocerebellar Ataxia Functional Index (SCAFI) und der Scale for the Assessment and Rating of Ataxia (SARA) den Nutzen einer Therapie in Studien festzustellen. Die KI-Technologie ermöglichte Vorhersagen der persönlichen SARA- und SCAFI-Werte neun Monate im Vorfeld. Zudem waren die auf digitale Marker gestützten Prognosen 1,7-mal bzw. viermal genauer als Vorhersagen, die nur auf den SARA- bzw. SCAFI-Werten basierten.

Überwachung der Genexpression

Ein weiterer Vorteil: Im Gegensatz zu den beiden Standardmethoden ließen sich mit der neuen Technologie auch die Frataxin-Genexpressionswerte für jeden Teilnehmenden im Zeitverlauf überwachen. Damit eröffnet sich erstmals die Möglichkeit, die Aktivität von Genen anhand von Bewegungsdaten anstelle von Blut- oder Gewebeproben zu messen.

Die Vorhersagekraft des KI-Systems konnten die Entwicklerinnen und Entwickler auch in einer Studie an Patientinnen und Patienten mit Duchenne-Muskeldystrophie bestätigen. Die Forschungsergebnisse enthielten zahlreiche Anknüpfungspunkte dafür, diese Technologie auf andere neurodegenerative Erkrankungen, aber auch auf kardiologische und orthopädische Erkrankungen auszuweiten, so Faisal.