Künstliche Intelligenz unterstützt Diagnose bei motorischen Beeinträchtigungen

Heidelberg – Wissenschaftler der Universität Heidelberg haben eine Software entwickelt, die mithilfe von Künstlicher Intelligenz (KI) motorische Beeinträchtigungen erkennt und auf Basis der Bewegungs­analyse auf die Art der zugrundeliegenden Erkrankungen schließt. Die Arbeit ist in der Fachzeitschrift Nature Machine Intelligence erschienen (DOI: 10.1038/s42256-021-00326-x).

Die Beobachtung und Auswertung von Bewegungsabläufen gehört in der Grundlagenforschung ebenso wie in der klinischen Anwendung bekanntlich zu den wichtigsten Instrumenten der non-invasiven Dia­gnostik. Während normales motorisches Verhalten auf eine gesunde Gehirnfunktion schließen lässt, können Abweichungen auf Beeinträchtigungen aufgrund von neurologischen Erkrankungen hinweisen.

„Ein wirkliches Diagnosewerkzeug sollte motorische Störungen nicht nur bestätigen, sondern vielmehr überhaupt erst erkennen und auch korrekt zuordnen können“, erklärte Björn Ommer, der die Computer-Vision-Gruppe am Interdisziplinären Zentrum für Wissenschaftliches Rechnen der Universität Heidelberg leitet.

Genau das ermöglicht ein von seinem Team entwickeltes neuartiges Diagnoseverfahren mit dem Namen „Unsupervised Behaviour Analysis and Magnification using Deep Learning“ (uBAM). Der zugrunde­liegende Algorithmus basiert auf maschinellem Lernen künstlicher neuronaler Netze und erkennt eigenständig und vollautomatisch charakteristisches Bewegungsverhalten und krankhafte Abwei­chungen davon.

Der Algorithmus bestimmt, welche Körperpartie betroffen ist und bietet eine Art Lupe für Bewegungs­muster, indem unterschiedlich geartete Abweichungen direkt im Video verstärkt und so sichtbar gemacht werden. Dabei vergleicht die Software das jeweils aktuelle Videomaterial mit Referenzaufnahmen von anderen gesunden oder ebenfalls beeinträchtigen Individuen. Ärzte können so auch Fortschritte bei der Behandlung von motorischen Störungen dokumentieren und analysieren.

„Damit ermöglichen wir es Neurowissenschaftlern und Ärzten, auch sehr subtile motorische Störungen auszumachen, die mit bloßem Auge leicht zu übersehen sind, und heben diese hervor, indem wir die Abweichung verstärken. So können wir genau eingrenzen, um welche Art von Erkrankung es sich im individuellen Fall handelt“, erläuterte Ommer. Die Wirksamkeit dieses neuartigen Ansatzes konnte das Forschungsteam anhand von verschiedenen Tiermodellen sowie Studien mit Patienten nachweisen.

hil