Eine kürzlich durchgeführte Studie des National Institutes of Health (NIH) hat herausgefunden, dass künstliche Intelligenz (KI) und maschinelles Lernen (ML) das polyzystische Ovarsyndrom (PCOS), die häufigste Hormonstörung bei Frauen, erfolgreich erkennen und diagnostizieren können. PCOS tritt typischerweise bei Frauen im Alter von 15 bis 45 Jahren auf.
Die Forscher überprüften veröffentlichte wissenschaftliche Studien, die KI/ML zur Analyse von Daten zur Diagnose und Klassifizierung von PCOS verwendeten. Sie entdeckten, dass KI/ML-basierte Programme PCOS genau erkennen konnten. Diese Erkenntnis ist wichtig, da viele Fälle in der Gemeinschaft unerkannt oder falsch diagnostiziert werden, was zu potenziell schwerwiegenden gesundheitlichen Folgen führt.
PCOS tritt auf, wenn die Eierstöcke nicht ordnungsgemäß funktionieren und oft mit erhöhten Testosteronspiegeln einhergeht. Symptome von PCOS sind unregelmäßige Perioden, Akne, übermäßiges Gesichtshaar und Haarausfall vom Kopf. Frauen mit PCOS haben auch ein erhöhtes Risiko, an Typ-2-Diabetes sowie an anderen Fortpflanzungs-, Herz-Kreislauf-, psychischen und Schlafstörungen zu erkranken.
Die Schwierigkeit bei der Diagnose von PCOS liegt in ihrer Überlappung mit anderen Erkrankungen. Die Studienautoren stellten jedoch fest, dass die Integration von bevölkerungsbasierten Studien mit elektronischen Gesundheitsdatensätzen und die Analyse gängiger Laboruntersuchungen dazu beitragen können, empfindliche diagnostische Biomarker zu identifizieren, die die Diagnose von PCOS erleichtern können.
KI bezieht sich auf computergestützte Systeme, die menschliche Intelligenz im Entscheidungsprozess nachahmen, während ML eine Unterkategorie von KI ist, die sich auf das Lernen aus früheren Ereignissen für zukünftige Entscheidungsfindung konzentriert. KI kann große Datenmengen verarbeiten, was sie bei der Diagnose komplexer Störungen wie PCOS wertvoll macht.
Die Studie untersuchte insgesamt 31 Studien, die in den letzten 25 Jahren AI/ML zur Erkennung von PCOS verwendeten. Unter den Studien, die standardisierte diagnostische Kriterien verwendeten, lag die Erkennungsgenauigkeit zwischen 80-90%.
Das Potenzial von KI/ML-basierten Programmen, die frühzeitige Identifizierung von Frauen mit PCOS zu verbessern, könnte zu Kosteneinsparungen und einer reduzierten Belastung für Patienten und das Gesundheitssystem führen. Weitere Studien sind erforderlich, um die Integration von KI/ML für chronische Gesundheitszustände zu validieren und zu testen.
Diese Forschung wurde vom Intramuralen Forschungsprogramm des NIH/National Institute of Environmental Health Sciences unterstützt.
Referenzen:
– Barrera FJ, Brown EDL, Rojo A, Obeso J, Plata H, Lincango EP, Terry N, Rodríguez-Gutiérrez R, Hall JE, Shekhar S, 2023. Anwendung von maschinellem Lernen und künstlicher Intelligenz bei der Diagnose und Klassifizierung des polyzystischen Ovarsyndroms: Eine systematische Übersicht. Frontiers in Endocrinology.
