KI erkennt Parkinson anhand einfacher Zeichentests

Die Warnsignale von Parkinson scheinen uns überall zu begegnen.

Forschende haben Hinweise auf das Entstehen der Erkrankung bereits in Haaren, im Blut und sogar im Ohrenschmalz von Menschen entdeckt.

Auch die Art, wie jemand spricht, die psychische Gesundheit und selbst der Wohnort wurden in unterschiedlichem Maße mit der Erkrankung in Verbindung gebracht, die Bewegungen und Muskelkontrolle beeinträchtigt.

Trotz des Potenzials solcher Signale stützt sich die formelle Diagnose der Parkinson-Krankheit – gemessen an Behinderung und Todesfällen weltweit die am schnellsten zunehmende neurologische Erkrankung – weiterhin stark auf klinische Beurteilungen. Weil leicht zugängliche, eindeutige Biomarker fehlen, bleibt insbesondere eine frühe Diagnose schwierig.

Ein in Discover Computing beschriebenes Testkonzept könnte jedoch einen neuen Weg eröffnen.

Parkinson-Erkennung durch Zeichentests und KI

In einer Studie entwickelte ein Forschungsteam in Indien ein KI-gestütztes System, das Parkinson anhand der Ergebnisse eines einfachen Zeichentests mit bemerkenswerter Genauigkeit erkennen kann.

Die Analyse von Handschrift und Zeichnungen gilt als vielversprechendes, nicht invasives Verfahren für ein künftiges Krankheitsscreening. Forschende kombinieren sie zunehmend mit KI-Werkzeugen, die neurodegenerative Erkrankungen anhand feiner Merkmale des Schriftbilds erkennen können.

In einem Experiment unter Leitung des Erstautors und Informatikers Ishan Ayus von der Siksha 'O' Anusandhan University nutzte das Team Daten aus einer früheren Parkinson-Studie in Brasilien mit 66 Teilnehmenden.

Der Datensatz umfasste 31 Personen mit Parkinson und 35 gesunde Kontrollpersonen. Sie absolvierten Zeichenübungen mit einem biometrischen Smart Pen, der sowohl die gezeichneten Bilder erfasste als auch gleichzeitig Signale ihrer Handbewegungen aufzeichnete.

Bei den Tests zeichneten die Teilnehmenden zwei Symbolarten nach: Spiralformen und Mäander, also durchgehende Linien mit kantigem Verlauf.

Anschließend speisten Ayus und seine Kolleginnen und Kollegen die Bilder sowie die vom Smart Pen erfassten Sensordaten in mehrere verschiedene Deep-Learning-Systeme ein.

Jedes Modell bewertete räumliche Unregelmäßigkeiten in den gezeichneten Spiral- und Mäandermustern. Darüber hinaus analysierte es feine Unterschiede bei motorischer Kontrolle und Handkoordination, die der Stift aufgezeichnet hatte.

Danach verarbeitete der Algorithmus SNAKE die Daten. Er berücksichtigte und gewichtete die Bewertungen der verschiedenen KI-Modelle, bevor er entschied, ob eine Zeichnung von einer Person mit Parkinson oder von einer gesunden Kontrollperson stammte.

SNAKE-Algorithmus erreicht hohe Genauigkeit

Nach Angaben der Forschenden übertrifft ihr multimodaler Ansatz mehrere andere KI-Systeme, die zuvor zur Parkinson-Erkennung anhand von Handschrift- und Zeichentests eingesetzt wurden. Mäandermuster identifizierte er mit einer Genauigkeit von 98,95 Prozent, Spiralmuster mit 97,74 Prozent.

Das Team führt die Ergebnisse einerseits auf die Fähigkeiten des SNAKE-Algorithmus zurück, der Vorhersagen unterschiedlicher Deep-Learning-Systeme mithilfe eines nach Genauigkeit gewichteten Modells ausbalanciert. Andererseits spielten die zwei Messarten des Smart Pen eine Rolle.

„Handschriftliche Bilder liefern räumliche Merkmale von Unregelmäßigkeiten der Strichführung, durch Tremor verursachten Verzerrungen und Formabweichungen“, schreiben die Forschenden.

„Im Gegensatz dazu erfassen sensorbasierte Handschriftsignale zeitliches motorisches Verhalten, darunter Geschwindigkeitsschwankungen, uneinheitlichen Druck und Koordinationsdefizite.“

Die Forschenden räumen ein, dass ihr kleiner Datensatz mit lediglich 66 Personen die klinische Vielfalt der Parkinson-Krankheit in großen Bevölkerungsgruppen nicht zutreffend abbildet. Ihre Ergebnisse seien daher eher als Hinweis auf das Potenzial des Ansatzes zu verstehen und nicht als eindeutiger Nachweis seiner diagnostischen Wirksamkeit.

Dennoch setzt die Arbeit einen vielversprechenden neuen Maßstab für die Parkinson-Erkennung mit solchen Methoden. Nach einer Bestätigung in größeren klinischen Tests könnte das Verfahren nach Einschätzung des Teams einen dringend benötigten Beitrag dazu leisten, die Diagnose der Erkrankung zu vereinfachen.

„Insgesamt zeigt die Studie die wachsende Rolle der KI bei der frühen und zugänglichen Untersuchung neurologischer Erkrankungen und unterstützt den fortlaufenden Wandel hin zu präventiver und präziser Gesundheitsversorgung“, schreibt das Team.

„Der vorgeschlagene Ansatz könnte letztlich zu nicht invasiven, kostengünstigen und aus der Ferne zugänglichen neurologischen Untersuchungen sowie zur Unterstützung klinischer Entscheidungen beitragen.“

Die Ergebnisse wurden in Discover Computing veröffentlicht.

Dieser Artikel wurde von Clare Watson auf Fakten geprüft und von Clare Watson redigiert. Wir sind stolz auf unseren Prozess, aber auch wir sind nur Menschen. Falls Ihnen ein Fehler auffällt, teilen Sie ihn uns bitte mit.