Kolumbianische Wissenschaftler entwickeln KI-Tool zur Vorhersage von Malaria-Komplikationen

Die Weltgesundheitsorganisation schätzt, dass es im Jahr 2023 weltweit 263 Millionen Malariafälle und 597.000 Todesfälle durch die Krankheit gab. Auch in Kolumbien sind solche Fälle keine Seltenheit. Im November 2024 zeigten die Daten des Nationalen Gesundheitsinstituts einen Anstieg der Malariafälle im Land um 81 % im Vergleich zum Vorjahr.

Malaria ist eine durch den Parasiten Plasmodium verursachte Krankheit, die oft mit Gelbfieber und Denguefieber verwechselt wird, da sie durch Vektoren übertragen wird, die Zwischenwirte der Krankheit sind, d. h. sie kommen in Tieren vor, die die Krankheit in sich tragen, aber nicht daran erkranken.

„Vektoren stellen die Verbindung zwischen dem ursprünglichen Wirt oder Tier, das die Krankheit überträgt, und dem Menschen her. Vektoren sind in der Regel Mücken. Diese Insekten tragen die Krankheit von einem Ort zum anderen. Einer der Gründe für die große Verwirrung über die Krankheit ist die Tatsache, dass sie durch diese Vektoren übertragen wird“, sagt Dr. Luis Felipe Reyes, ein renommierter Professor für Infektionskrankheiten an der medizinischen Fakultät der Universität La Sabana.

Mit dem Ziel, zu Strategien zur Bekämpfung der Grundursachen von Malaria beizutragen, und auf der Grundlage der Tatsache, dass die Krankheit üblicherweise in abgelegenen Dschungelgebieten auftritt, wo Krankenhäuser und Gesundheitseinrichtungen nicht immer erreichbar sind, machte sich eine Gruppe von Forschern der Universität La Sabana, bestehend aus Alirio Bastidas-Goyes, Juan Leon-Ariza, Angela Guerrero, Mauricio Agudelo, Daniel Botero-Rosas und Eduardo Tuta-Quintero, daran, eine künstliche Intelligenz zu entwickeln, die die Diagnose der Krankheit erleichtert. Dieser Prozess wurde auch in der Abhandlung „Anwendung künstlicher Intelligenz zur Vorhersage von Komplikationen bei Patienten mit Malaria“ dokumentiert.

„Wir haben ein System mit künstlicher Intelligenz entwickelt, das ohne den Einsatz fortschrittlicher Technologie sehr einfache Variablen analysiert und vorhersagen kann, ob bei einer Person Komplikationen auftreten werden oder nicht“, erklärt Daniel Botero.

Diese Entwicklung ist innovativ, da sie ein einfaches Werkzeug darstellt, das von jedem im Gesundheitswesen tätigen Menschen bedient werden kann. Sie ermöglicht es, den Plasmodium-Typ des Patienten zu identifizieren und festzustellen, ob Komplikationen zu erwarten sind, ohne dass ein dicker Blutausstrich erforderlich ist, der ein Mikroskop, ein Labor und einen Bakteriologen erfordert. „Damit können wir auf den Test verzichten und erreichen eine ähnliche Effizienz wie mit aktuellen Methoden“, ergänzt Botero.

Um diese Entwicklung zu erreichen, haben Experten eine Reihe von Variablen identifiziert, die es ihnen ermöglichen, das Vorhandensein der Krankheit festzustellen. In manchen Fällen können Krankheiten wie Dengue-Fieber und Gelbfieber mit Malaria verwechselt werden. Künstliche Intelligenz kann daher helfen, die beiden Krankheiten voneinander zu unterscheiden und eine präzisere Diagnose zu stellen.

In diesem Zusammenhang berücksichtigten die Experten Faktoren wie mittleren arteriellen Blutdruck, Hämoglobin, Anzahl der weißen Blutkörperchen, Anzahl der Thrombozyten, Gesamtbilirubin, Atembeschwerden, Erbrechen, Malaria in der Vorgeschichte, frühere Einnahme von Malariamedikamenten und anhaltendes Fieber.

„Die Idee bestand darin, diese beiden Aspekte zu vereinen – sowohl die Durchführbarkeit des Tests in inaktiven Umgebungen als auch die Darstellung der durch die Krankheit beeinträchtigten Organsysteme – um diese Informationen zu kombinieren und ein Ergebnis zu erhalten, das uns sagt, ob und in welchem ​​Ausmaß die Wahrscheinlichkeit besteht, dass die Krankheit schwerwiegend und lebensbedrohlich sein wird“, sagt Dr. Eduardo Tuta Quintero.

So ermöglichte die Verwendung einer Datenbank mit 412 kolumbianischen Patienten, einer Stichprobe, die im Vergleich zu anderen Studien der Realität des Landes am nächsten kommt, die Entwicklung der Techniken V-Cross, Random Cross Validation, Modified Retention Validation und Proportional Sample Percentage Validation zur Bewertung der Leistung eines neuronalen Netzwerks.

Der Durchbruch könnte erhebliche Auswirkungen haben, insbesondere in ländlichen oder ressourcenarmen Gebieten, wo eine genaue und schnelle Diagnose den Unterschied zwischen Leben und Tod bedeuten kann.

„Das Modell muss noch mit Daten aus anderen medizinischen Zentren validiert werden, aber es stellt einen wichtigen Schritt zur Integration künstlicher Intelligenz in die klinische Praxis bei Infektionskrankheiten in Hochlastgebieten wie Kolumbien dar“, schloss Botero-Rosas.

Daher möchte das Team aus Ärzten und Ingenieuren in einer zweiten Phase die Umsetzung so gestalten, dass im Gesundheitswesen Tätige über eine App die abgefragten Daten eingeben und so feststellen können, ob bei einem Patienten eine hohe oder niedrige Wahrscheinlichkeit für Komplikationen besteht.

Um diese zweite Phase zu erreichen, erklärt Botero, sei die Zulassung für den Einsatz am Menschen und die vorherige Genehmigung mehrerer Validierungsfilter erforderlich. „Jetzt müssen wir es an externen Populationen testen, um zu sehen, ob es weiterhin so gut funktioniert wie bei der internen Validierung, also basierend auf den uns vorliegenden Daten.“

Mit diesem Tool möchte das Forscherteam einen Beitrag zu einem weltweiten Trend leisten, der als personalisierte Medizin bekannt ist und bei dem Unterstützungssysteme Ärzten dabei helfen, bessere Entscheidungen zu treffen.

Umwelt- und Gesundheitsjournalist