Ein bedeutender Fortschritt in der Medizin wurde heute von einem Team von KI-Forschern der Stanford University präsentiert. Diese haben einen neuartigen KI-Algorithmus entwickelt, der in der Lage ist, Infektionen und Autoimmunerkrankungen mit beeindruckender Genauigkeit zu identifizieren. Diese bahnbrechende Entdeckung wurde in der renommierten Wissenschaftszeitschrift „Science“ publik gemacht, wie die Krone berichtete. Der Algorithmus, genannt Mal-ID, nutzt eine Analyse der Gensequenzen von spezifischen Rezeptoren auf B- und T-Zellen, um festzustellen, mit welchen Krankheiten das Immunsystem eines Patienten konfrontiert ist.
Im Gegensatz zu bisherigen Diagnosemethoden, die auf die Erkennung von Erregern angewiesen sind, die häufig lange Wartezeiten erfordern, nutzt Mal-ID eine innovative Herangehensweise. Es hat die Sequenzdaten von über 16 Millionen B-Zell-Rezeptoren und 23 Millionen T-Zell-Rezeptoren aus Blutproben von 593 Personen analysiert. An dieser Pilotstudie nahmen sowohl COVID-19- als auch HIV-Infizierte teil. Das Ergebnis ist bemerkenswert: Mal-ID erreichte eine fast hundertprozentige Genauigkeit beim Erkennen der verschiedenen Krankheiten, darunter auch Autoimmunerkrankungen wie Lupus erythematodes und Typ-1-Diabetes, wie das Deutsche Ärzteblatt anmerkte.
Diagnose-Aussichten und Anpassungsfähigkeit des Algorithmus
Die Erkenntnisse über die spezifischen Reaktionen des Immunsystems könnten einen Paradigmenwechsel in der Diagnostik von Autoimmunerkrankungen darstellen. Da die Kosten für genetische Sequenzierungen gesunken sind, könnte das Verfahren nicht nur zur schnellen Diagnosestellung, sondern auch zur Aufklärung von komplexen Krankheiten von Nutzen sein. Maxim Zaslavsky, einer der Hauptautoren der Studie, erklärte: „Wenn wir Mal-ID nutzen könnten, um die Heterogenität hinter Lupus oder rheumatoider Arthritis zu entschlüsseln, hätte das große Auswirkungen.“ Mit dieser Technik könnte es Patienten deutlich besser und schneller ergehen, die oft jahrelang mit unklaren Symptomen kämpfen müssen, so Springer.
Ort des Geschehens
Details zur Meldung
