KI bei Prädiabetes

Dr. Nestoras Mathioudakis von der Johns Hopkins University zeigte einen Überblick über KI-Anwendungen bei Menschen mit Prädiabetes. Die Vorhersagemodelle für Prädiabetes (n=42) und Typ-2-Diabetes (n=28) waren ziemlich genau, insbesondere lag der durchschnittliche C-Wert für diagnostische Modelle zur Vorhersage von Prädiabetes bei 0,8 und der durchschnittliche C-Wert für prognostische Modelle bei 0,74.

Für diejenigen, die es weniger gut kennen: Der C-Wert („Konkordanz Statistik“) ist die Wahrscheinlichkeit, dass das Modell für eine zufällig ausgewählte Person mit einer Krankheit ein höheres Risiko vorhersagt als für eine zufällig ausgewählte Person ohne Krankheit; natürlicherweise würden zufällige Vermutungen einen C-Wert von 0,5 ergeben und perfekte Vorhersagen einen C-Wert von 1. Für 17 der 28 Vorhersagemodelle für Typ-2-Diabetes wurden C-Statistiken gemeldet und lagen bei allen siebzehn Modellen bei 0,78.

Einschränkend muss aber gesagt werden, dass die Vorhersagemodelle für Prädiabetes als auch für Typ-2-Diabetes meist nur mithilfe interner Validierung evaluiert wurden. Auch wurden nur wenige dieser Modelle tatsächlich in klinische Umgebungen integriert und eingesetzt, deshalb ist der Nutzen dieser Modelle etwas unklar und schwer mit aktuellen Diagnosemethoden zu vergleichen.

Insgesamt sieht der Redner Potenzial in neuen Datenquellen, z.B. Wearables, um bessere Vorhersagemodelle zu erstellen. Hier sind sicherlich Studien notwendig, die KI-basierte Modelle mit KI plus menschlichen Interventionen und rein menschlichen Interventionen vergleichen. Aktuell läuft eine Studie mit einem KI-basierten Diabetespräventionsprogramm (DPP), welches in einer randomisierten kontrollierten Studie mit einem Standard-DPP verglichen wird. An der randomisierten kontrollierten Studie nehmen 368 Erwachsene mit Prädiabetes und Übergewicht oder Fettleibigkeit teil, die im Verhältnis 1:1 entweder einem KI-basierten DPP namens Sweetch oder einem Standard-DPP zugewiesen wurden.

Fazit: Die einjährige Studie (siehe ClinicalTrials.gov) soll ihre letzten Patientenvisiten im Dezember 2024 haben. Wir sind gespannt auf die Ergebnisse.