{"id":30565,"date":"2025-09-18T12:16:13","date_gmt":"2025-09-18T09:16:13","guid":{"rendered":"https:\/\/onlinetranslators.de\/news\/nachrichten\/hohe-genauigkeit-ki-kann-krankheitsrisiken-jahre-vorher-berechnen\/"},"modified":"2025-09-18T12:16:13","modified_gmt":"2025-09-18T09:16:13","slug":"hohe-genauigkeit-ki-kann-krankheitsrisiken-jahre-vorher-berechnen","status":"publish","type":"post","link":"https:\/\/onlinetranslators.de\/news\/nachrichten\/hohe-genauigkeit-ki-kann-krankheitsrisiken-jahre-vorher-berechnen\/","title":{"rendered":"Hohe Genauigkeit: KI kann Krankheitsrisiken Jahre vorher berechnen"},"content":{"rendered":"

Wissen \t\t \t\t \t\t <\/p>\n

\t\t \t\t \""Unser
\n

"Unser KI-Modell ist ein Machbarkeitsnachweis, der zeigt, dass es m\u00f6glich ist, viele langfristige Gesundheitsmuster zu erkennen und diese Informationen zu nutzen, um aussagekr\u00e4ftige Vorhersagen zu generieren", sagt Moritz Gerstung vom DKFZ, einer der beteiligten Forscher.<\/p>\n<\/figcaption><\/figure>\n

Welche Krankheiten drohen mir in der Zukunft wahrscheinlich? Das wollen Menschen seit jeher wissen. Nun gibt es das KI-Modell Delphi-M2, das auf Grundlage vieler Daten individuelle Erkrankungsrisiken prognostiziert. Forschern zufolge treten die berechneten Wahrscheinlichkeiten tats\u00e4chlich mit der erwarteten H\u00e4ufigkeit ein.<\/strong><\/p>\n

Ein neues Modell auf der Basis K\u00fcnstlicher Intelligenz (KI) kann nach Forscherangaben das langfristige individuelle Risiko f\u00fcr mehr als 1000 Erkrankungen einsch\u00e4tzen. Es ist ein generativer vortrainierter Transformer (GPT) und hat damit \u00c4hnlichkeit mit dem gro\u00dfen Sprachmodell hinter ChatGPT. Das Forschungsteam nannte es Delphi-2M. Es trainierte das Modell anhand von 400.000 Patienteneintr\u00e4gen einer gro\u00dfen britischen Datenbank (UK Biobank) und konnte es mit nur geringem Genauigkeitsverlust auf fast zwei Millionen d\u00e4nische Patientendaten anwenden.<\/p>\n

Die Studie der Gruppe um Moritz Gerstung vom Deutschen Krebsforschungszentrum (DKFZ) sowie Ewan Birney und Tom Fitzgerald vom European Molecular Biology Laboratory (EMBL) in Hinxton (Gro\u00dfbritannien) ist im Fachjournal "Nature" erschienen.<\/p>\n

"Unser KI-Modell ist ein Machbarkeitsnachweis, der zeigt, dass es m\u00f6glich ist, viele langfristige Gesundheitsmuster zu erkennen und diese Informationen zu nutzen, um aussagekr\u00e4ftige Vorhersagen zu generieren", wird Birney in einer Mitteilung des DKFZ zitiert.<\/p>\n

\"Golden <\/a> <\/figure>\n

Wissen 21.07.25 M\u00f6glichkeit der Fr\u00fcherkennung Hunde k\u00f6nnen riechen, ob jemand Parkinson hat <\/p>\n

Das Modell kann nach einzelnen Patienten aufgel\u00f6st werden – es ist deshalb prinzipiell m\u00f6glich, individuelle Krankheitsgeschichten zu rekonstruieren und daraus Prognosen f\u00fcr die weitere Entwicklung von Krankheitsrisiken und -verl\u00e4ufen abzuleiten. Andererseits kann das Modell die gesundheitliche Entwicklung gr\u00f6\u00dferer Bev\u00f6lkerungsgruppen vorhersagen und somit Anhaltspunkte liefern, wie die Gesundheitsversorgung verbessert werden kann.<\/p>\n

Risiken f\u00fcr mehr als ein Jahrzehnt in die Zukunft zu berechnen<\/h2>\n

"So wie gro\u00dfe Sprachmodelle aus der Abfolge von W\u00f6rtern in Texten die Grammatik unserer Sprache lernen k\u00f6nnen, lernt dieses KI-Modell die Logik der zeitlichen Abfolge von Ereignissen in Gesundheitsdaten, um ganze Krankengeschichten zu modellieren", erkl\u00e4rte Gerstung laut DKFZ-Mitteilung. Die gelernten Muster erm\u00f6glichen es dem KI-Modell, die Wahrscheinlichkeit f\u00fcr Krankheitsrisiken zum aktuellen Zeitpunkt und f\u00fcr mehr als ein Jahrzehnt in die Zukunft zu berechnen. Neben Krankheitsdiagnosen auf der Basis der internationalen Krankheitsklassifikation ICD-10 gehen weitere Merkmale, wie Alter, Geschlecht, Body-Mass-Index, Rauchgewohnheiten und Alkoholkonsum in die Wahrscheinlichkeitsberechnung ein.<\/p>\n

\"imago0370262256h <\/a> <\/figure>\n

Wirtschaft 09.05.24 Neues Modell AlphaFold 3 Google-KI soll Verhalten der Molek\u00fcle des Lebens vorhersagen <\/p>\n

Nachdem Delphi-2M mit den 400.000 Datens\u00e4tzen aus der UK Biobank trainiert worden war, wurde es an weiteren 100.000 Datens\u00e4tzen aus derselben Datenbank getestet. Anschlie\u00dfend wendeten die Forscher das Modell auf 1,93 Millionen Datens\u00e4tze aus dem d\u00e4nischen nationalen Patientenregister im Zeitraum 1978 bis 2018 an, ohne zuvor Anpassungen vorzunehmen. Die Forschenden konnten zeigen, dass die vom Modell berechneten Wahrscheinlichkeiten tats\u00e4chlich mit der erwarteten H\u00e4ufigkeit eintraten.<\/p>\n

"Die Tatsache, dass Delphi-2M mit leicht reduzierter Genauigkeit auf d\u00e4nische Bev\u00f6lkerungsdaten angewendet werden kann, deutet darauf hin, dass viele vom Modell erlernte Muster die tats\u00e4chliche Entwicklung multipler Erkrankungsraten genau widerspiegeln", schreiben die Studienautoren.<\/p>\n

Delphi-2M funktioniert l\u00e4nder\u00fcbergreifend<\/h2>\n

F\u00fcr Fabian Theis, Direktor des Instituts f\u00fcr Computational Biology am Helmholtz Zentrum M\u00fcnchen, ist die \u00dcbertragung auf eine Kohorte eines anderen Landes ein Durchbruch. Dies zeige, wie robust das Modell ist. "Es hat schon einige medizinische Modelle mit guten Ergebnissen gegeben, doch sie haben meist nur in einem Krankenhaus funktioniert und im n\u00e4chsten schon nicht mehr", sagte Theis, der nicht an der Studie beteiligt war. Auch Ewan Birney sagte w\u00e4hrend einer Pressekonferenz, dass das positive Ergebnis mit den d\u00e4nischen Daten das Vertrauen der Wissenschaftler in ihr Modell sehr gest\u00e4rkt habe.<\/p>\n

\"263130661.jpg\" <\/a> <\/figure>\n

Wissen 15.11.23 Tausende Leben retten? KI sagt Herzinfarkte zehn Jahre in der Zukunft voraus <\/p>\n

In einer Grafik zeigen die Studienautoren, wie mehrere Erkrankungen, die die Bauchspeicheldr\u00fcse, die Leber und den Gallenweg betreffen, sowie Diabetes mellitus und Verdauungsst\u00f6rungen das Risiko f\u00fcr Bauchspeicheldr\u00fcsenkrebs um das 19-Fache erh\u00f6hen. Den Forschern zufolge eignet sich Delphi-2M besonders f\u00fcr Krankheiten mit deutlichen Verlaufsmustern wie bestimmte Krebsarten oder Herzinfarkte. Bei Infektionen oder psychischen Erkrankungen, die von unvorhersehbaren Lebensereignissen abh\u00e4ngen, sei es jedoch weniger zuverl\u00e4ssig. "Entscheidend ist, dass es sich dabei nicht um eine Gewissheit handelt, sondern um eine Einsch\u00e4tzung der potenziellen Risiken", sagte Tom Fitzgerald.<\/p>\n

Noch weiter Weg bis zum klinischen Alltag<\/h2>\n

Das KI-Modell kann durch die Vielzahl der Trainingsdaten Anzeichen f\u00fcr Erkrankungen erkennen, die bei \u00e4rztlichen Untersuchungen in der Regel nicht offenbar werden. "Indem wir modellieren, wie sich Krankheiten im Laufe der Zeit entwickeln, k\u00f6nnen wir untersuchen, wann bestimmte Risiken auftreten und wie fr\u00fchzeitige Interventionen am besten geplant werden k\u00f6nnen", erkl\u00e4rte Birney. Dies sei ein gro\u00dfer Schritt in Richtung personalisierter und st\u00e4rker vorbeugender Ans\u00e4tze in der Gesundheitsversorgung. <\/p>\n

Allerdings d\u00fcrfte es noch ein weiter Weg werden, bis Delphi-2M oder eine Nachfolgeversion im klinischen Alltag eingesetzt werden kann, aus Patienten- und Datenschutzgr\u00fcnden. Gerstung sch\u00e4tzt, dass es f\u00fcnf bis zehn Jahre dauern d\u00fcrfte.<\/p>\n

\"34096013.jpg\" <\/a> <\/figure>\n

Wirtschaft 14.09.25 Gen-Optimierung und ewiges Leben Silicon Valley investiert Milliarden in die Supermenschen-Branche <\/p>\n

Sollte das KI-Modell bei einzelnen Patienten zum Einsatz kommen, d\u00fcrfe es "nur ein erg\u00e4nzender Baustein sein und muss auf jeden Fall durch das \u00e4rztliche Urteil flankiert werden", sagte Markus Herrmann vom Institut f\u00fcr Medizin- und Datenethik der Universit\u00e4t Heidelberg. Die Patienten m\u00fcssten \u00fcber den Einsatz der Technologie und deren Aussagekraft aufgekl\u00e4rt und die Ergebnisse m\u00fcssten zwischen Arzt und Patient ausf\u00fchrlich besprochen werden.<\/p>\n

Um den Entscheidungsspielraum der Patienten nicht einzuengen, pl\u00e4diert Medizinethiker Robert Ranisch von der Universit\u00e4t Potsdam f\u00fcr die M\u00f6glichkeit eines Verzichts: "Entscheidend bleibt deshalb auch ein Recht auf Nichtwissen."<\/p>\n

Digitaler Zwilling soll bei Therapie helfen<\/h2>\n

Ranisch sieht aber auch die Chancen des KI-Modells, wenn es auf gr\u00f6\u00dfere Bev\u00f6lkerungsgruppen angewendet wird: "Es kann im Sinne einer gerechten Verh\u00e4ltnispr\u00e4vention genutzt werden, um f\u00fcr benachteiligte Gruppen Versorgungsl\u00fccken zu erkennen." F\u00fcr Carsten Marr vom Helmholtz-Zentrum M\u00fcnchen ist vor allem spannend, Zusammenh\u00e4nge zwischen Krankheiten zu finden, die bisher nicht bekannt waren. "Es gibt eine Studie, in der nachgewiesen wurde, dass eine Epstein-Barr-Virus-Infektion zu einem 30-fach erh\u00f6hten Risiko f\u00fcr Multiple Sklerose f\u00fchrt. Das sind die Sachen, die wir suchen", sagte Marr.<\/p>\n

\"imago827730045.jpg\" <\/a> <\/figure>\n

Wissen 12.09.25 Selbst Umschulen bringt nichts KI-Experte: 99 Prozent aller Jobs sind bald ersetzbar <\/p>\n

Ein wichtiger Aspekt bei der Weiterentwicklung des KI-Modells wird sein, m\u00f6gliche Verzerrungen zu ber\u00fccksichtigen. So waren f\u00fcr das KI-Training nur Datens\u00e4tze von Patienten im Alter von 40 bis 70 Jahren genutzt worden; andere Altersgruppen waren also nicht repr\u00e4sentiert. Die \u00dcber- oder Untersch\u00e4tzung k\u00f6nnte auch Gruppen betreffen, die sich nach Herkunft und sozialem Status unterscheiden. "Ein Modell, das gleich Hunderte Krankheiten vorhersagt, b\u00fcndelt Chancen, verst\u00e4rkt aber auch das Risiko von Verzerrungen", warnte Ranisch.<\/p>\n

Doch bei den Studienautoren \u00fcberwiegt die Zuversicht: "Das ist der Beginn einer neuen Art, die menschliche Gesundheit und den Verlauf von Krankheiten zu verstehen", prognostizierte Gerstung. Fabian Theis kann sich vorstellen, dass es eines Tages einen digitalen Zwilling eines Patienten geben wird, der sich aus Gesundheits- und Lebensstildaten speist. "Da kann dann beispielsweise geschaut werden, wie der virtuelle Patient auf eine Medikamentenver\u00e4nderung reagiert, ohne dass man es beim realen Patienten ausprobieren muss", erl\u00e4uterte Theis.<\/p>\n

Quelle: ntv.de, Stefan Parsch, dpa<\/p>\n","protected":false},"excerpt":{"rendered":"

Wissen "Unser KI-Modell ist ein Machbarkeitsnachweis, der zeigt, dass es m\u00f6glich ist, viele langfristige Gesundheitsmuster zu erkennen und diese Informationen zu nutzen, um aussagekr\u00e4ftige Vorhersagen zu generieren", sagt Moritz Gerstung<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-30565","post","type-post","status-publish","format-standard","hentry","category-nachrichten"],"_links":{"self":[{"href":"https:\/\/onlinetranslators.de\/news\/wp-json\/wp\/v2\/posts\/30565","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/onlinetranslators.de\/news\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/onlinetranslators.de\/news\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/onlinetranslators.de\/news\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/onlinetranslators.de\/news\/wp-json\/wp\/v2\/comments?post=30565"}],"version-history":[{"count":0,"href":"https:\/\/onlinetranslators.de\/news\/wp-json\/wp\/v2\/posts\/30565\/revisions"}],"wp:attachment":[{"href":"https:\/\/onlinetranslators.de\/news\/wp-json\/wp\/v2\/media?parent=30565"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/onlinetranslators.de\/news\/wp-json\/wp\/v2\/categories?post=30565"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/onlinetranslators.de\/news\/wp-json\/wp\/v2\/tags?post=30565"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}