Ein internationales Forschungsteam hat ein KI-Modell entwickelt, das anhand von Blutzuckermessungen weitreichende Gesundheitsvorhersagen treffen kann.
Ein Forschungsteam unter der Leitung des Weizmann Institute of Science, Nvidia und Pheno.AI hat ein KI-Modell namens "GluFormer" entwickelt, das aus Blutzuckermessungen komplexe Gesundheitsinformationen ableiten kann.
Für die Studie wurde das System mit den Daten von mehr als 10.800 Personen ohne Diabetes trainiert. Die Messungen erfolgten alle 15 Minuten über einen tragbaren Sensor im Rahmen des Human Phenotype Project, einer Initiative von Pheno.AI.
Das Besondere: GluFormer kann nicht nur den Blutzucker, sondern auch andere wichtige klinische Werte wie HbA1c, Leberfunktion und Blutfettwerte bis zu vier Jahre im Voraus vorhersagen - und das ausschließlich auf Basis der Blutzuckermessungen.
Ernährungsdaten verbessern Vorhersagegenauigkeit deutlich
Durch die Einbeziehung von Ernährungsdaten wird die Genauigkeit der Vorhersagen laut dem Team weiter verbessert und GluFormer kann die Reaktion des Körpers auf bestimmte Nahrungsmittel vorhersagen. Dabei sei das System auch sehr anpassungsfähig: Es funktioniere zuverlässig bei verschiedenen Bevölkerungsgruppen, mit unterschiedlichen Messgeräten und auch bei verschiedenen Stoffwechselerkrankungen.
Die Studie zeigt aber auch Grenzen auf: Da das Modell hauptsächlich mit Daten gesunder Menschen trainiert wurde, könnte die Übertragbarkeit auf Menschen mit seltenen Stoffwechselerkrankungen eingeschränkt sein. Zudem beruhen die verwendeten Ernährungsdaten auf Selbsteinschätzungen der Probanden, die oft ungenau sind. Die Aufbereitung dieser Daten ist aufwändig und teuer.
Ein weiteres Problem für den klinischen Einsatz: Wie bei vielen KI-Modellen ist auch bei GluFormer oft nicht nachvollziehbar, wie es zu seinen Vorhersagen kommt. Das erschwert den Einsatz in der klinischen Praxis, wo Ärzte die Grundlage für Entscheidungen verstehen müssen. Dennoch sehen die Forscher in GluFormer einen wichtigen Schritt in Richtung einer personalisierten Diabetesversorgung. Das System könnte in Zukunft auch helfen, klinische Studien effizienter zu gestalten und neue Diabetes-Subtypen zu identifizieren.
