Der Haupteinsatz künstlicher Intelligenz (KI) bei Diabetes betrifft heute geschlossene Algorithmen bei Typ-1-Diabetes (T1D), um die zu verabreichende Insulindosis vorherzusagen. Es wird eine neue Welle noch effizienterer Algorithmen erwartet: Sie werden es irgendwann ermöglichen, Mahlzeiten oder körperliche Aktivität nicht mehr ansagen zu müssen und aus den Gewohnheiten der Patienten zu lernen (maschinelles Lernen). Ein weiterer wichtiger Einsatz von KI in der Diabetologie betrifft die automatisierte Erkennung von Augenkomplikationen (diabetische Retinopathie) mit Software, die in der Lage ist, Augenfonds zu analysieren und diabetische Retinopathie zu erkennen und einzustufen: Sie werden von einem Augenarzt als diagnostische Hilfe verwendet (tiefes Lernen).
DAS TAGESBLATT: Was können wir in naher Zukunft erwarten?
Dr. FAGHERAZZI: In mehr oder weniger naher Zukunft bewegen wir uns in Richtung der Integration neuer KI-Algorithmen in verschiedene Lebensbereiche: Man kann sich beispielsweise vorstellen, Menschen mit einem Diabetesrisiko besser zu identifizieren.
Ein Screening von Diabetikern könnte also mithilfe von KI möglich sein, aber wie?
Unser Labor beschäftigt sich intensiv mit der Stimme als Informationsquelle über die Gesundheit der Menschen, nicht nur bei Diabetes, sondern auch bei neurodegenerativen Erkrankungen wie Parkinson, psychischer Gesundheit, kardiorespiratorischer Gesundheit usw. Die Stimme wird analysiert und entweder als Screening-Instrument oder, im Falle einer bekannten Pathologie, zur Überwachung verwendet. Wir haben bereits gezeigt, dass Menschen mit Diabetes eine andere Stimme haben als die allgemeine Bevölkerung (bei sonst gleichen Faktoren wie Alter, Geschlecht usw.). Für das menschliche Ohr ist es nicht unbedingt wahrnehmbar, aber Audiosignalverarbeitung und KI können einen Unterschied machen.
Wie erklären Sie sich diesen Stimmwandel?
Chronische Hyperglykämie, Hypoglykämie, Magenreflux, der häufiger bei Menschen mit Diabetes auftritt, chronische Müdigkeit und Flüssigkeitsprobleme können eine Rolle spielen. Die Idee, an der Stimme zu arbeiten, kam uns durch einige Fälle von Menschen, die seit mehr als 15 Jahren an Diabetes litten und über eine heisere Stimme berichteten.
Glauben Sie, dass Sie langfristig ein Screening-Tool entwickeln können?
Ja, unser Ziel ist es, ein Screening-Tool zu entwickeln, um Personen mit hohem Risiko mit einer Genauigkeit von 70 bis 75 % zu identifizieren (jedoch kein Diagnosetool, da dieses Tool nicht empfindlich genug und nicht spezifisch genug ist). Da sich Stimmen sehr einfach und nicht-invasiv erfassen lassen, beispielsweise über ein Smartphone, könnte dieses Tool in großem Umfang eingesetzt werden. Weltweit gibt es mehr als 530 Millionen Menschen mit Diabetes, von denen die Hälfte sich dessen nicht bewusst ist: Daher besteht auf globaler Ebene ein echtes Problem darin, dass Diabetes nicht ausreichend untersucht wird und die Pathologie zu spät entdeckt wird. bei Komplikationen.
Können wir diese Sprachforschung auf unserer Ebene unterstützen?
Wir suchen überall Menschen mit und ohne Diabetes, über 15, die ihre Stimme für unsere Studie auf colivevoice.org spenden. Dazu gehören einige Gesundheitsfragen und Sprachaufzeichnungen. Dies wird zur Entwicklung von KI-Modellen zur Erkennung von Diabetes und diabetesbedingter Belastung (Unfähigkeit, Ihren Diabetes täglich zu bewältigen, weil er zu viel psychische Belastung erzeugt) verwendet. Eine Sprachspende dauert etwa 20 Minuten. Zögern Sie nicht, mit Ihren Patienten darüber zu sprechen!
Kann KI noch andere Einsatzmöglichkeiten haben, zum Beispiel beim Screening auf Komplikationen?
Ja, es gibt bereits Modelle, die das Auftreten eines kardiovaskulären Ereignisses nach 5 oder 10 Jahren vorhersagen können, und es wird daran gearbeitet, diese Modelle mithilfe von KI zu verbessern. Ziel ist es, im Bereich der personalisierten Prävention auf der Grundlage kalkulierter Risiken noch effizienter zu werden, um bei Bedarf die Therapie zu intensivieren und dieses kardiovaskuläre Risiko, das nach wie vor die häufigste Komplikation für Menschen mit Typ-1-Diabetes ist, besser hinauszuzögern oder zu reduzieren.
Können wir uns Tools vorstellen, die Menschen mit Diabetes auf sehr individuelle Weise coachen?
Wir können uns zwar vernetzte Insulinpens vorstellen, die im Laufe der Zeit personalisierte Empfehlungen auf der Grundlage von Patientenprofilen abgeben könnten, aber auch Smartphone-Apps, die KI in Gesundheits- und Ernährungsempfehlungen und damit in die zu treffenden Entscheidungen integrieren könnten. Doch um die Beratung individualisieren zu können, braucht man große validierte Datenbanken, und das braucht Zeit.
Was ist das Hauptrisiko im Zusammenhang mit der Verwendung dieser neuen Tools mit KI?
Das größte Risiko besteht in der Datenverzerrung, wenn ein Algorithmus auf einer Untergruppe der Bevölkerung trainiert wird und der Meinung ist, dass er verallgemeinerbar ist. Wenn dies nicht der Fall ist, liefert das Tool dann schlechte Ratschläge. Beispiel: Nehmen Sie die Daten von 50-jährigen weißen Männern und wenden Sie sie auf eine 30-jährige afroamerikanische Frau an! Das Problem liegt also eher in der Qualität und Vielfalt der Daten als in KI-Modellen. Die Daten müssen perfekt mit der Zielpopulation übereinstimmen, in der der so entwickelte Algorithmus eingesetzt werden soll.
KI-Algorithmen müssen stabil, robust und erklärbar sein: Die Eigenschaften der Daten, die für die Vorhersage oder Empfehlung verwendet werden, müssen Ärzten und Patienten bekannt sein, um ihr Vertrauen zu gewinnen: Dies nennen wir die Herausforderungen der Erklärbarkeit.
Besteht die Gefahr, dass böswillige Hacker diese Tools gegen Lösegeldforderung manipulieren, was beispielsweise Risiken für die Gesundheit der Menschen mit sich bringt, die sie verwenden?
Dies ist ein theoretisches Risiko, das nicht ausgeschlossen werden kann, aber auch Fantasien sollten uns nicht daran hindern, voranzukommen. Europa hat mit dem „AI Act“ eine Verordnung zu künstlicher Intelligenz verabschiedet, die seit diesem Jahr umfassende Empfehlungen zur Entwicklung von auf KI basierenden Tools bei gleichzeitiger Minimierung von Risiken und Maximierung des Nutzens enthält. Es gibt verschiedene Stufen der Risikoklassifizierung. Gesundheitstools werden im Allgemeinen als risikoreich eingestuft und erfordern daher von Entwicklern einen Nachweis der Cybersicherheit in Bezug auf die Verwendung von Daten, deren Speicherung, Prozesse usw.
Welchen Platz wird die generative KI in Zukunft einnehmen?
Neue Modelle wie ChatGPT, die Inhalte aus einer enormen Datenmenge generieren, könnten die Kommunikation mit Patienten ermöglichen: Diese könnten Fragen stellen und relevante Antworten zur Überwachung ihrer Krankheit erhalten. In unserem Labor arbeiten wir beispielsweise derzeit an einem Tool zur Erkennung von diabetesbedingten Belastungen, die in der Praxis nur unzureichend erfasst werden, da Diabetologen in den Konsultationen ohnehin viel zu tun haben. Dieses Tool könnte dazu beitragen, diese diabetesbedingte Belastung zu verhindern und zu bewältigen.
Related News :