Die nicht-alkoholische Fettlebererkrankung entwickelt sich zunehmend zu einer globalen Gesundheitsherausforderung. Schätzungen zufolge sind bereits rund 30 Prozent der Weltbevölkerung betroffen – bis zum Jahr 2040 könnte dieser Anteil auf fast 56 Prozent steigen. Da die Erkrankung lange ohne erkennbare Symptome verläuft, wird sie häufig erst in einem fortgeschrittenen Stadium diagnostiziert.
KI soll versteckte Lebererkrankungen früher erkennen
Um diese diagnostische Lücke zu schließen, hat die Alibaba DAMO Academy gemeinsam mit mehreren chinesischen medizinischen Einrichtungen ein neues KI-Modell entwickelt. Das System mit dem Namen MAOSS (Multi-modal AI for Opportunistic hepatic Steatosis Screening) wurde darauf ausgelegt, Fettlebererkrankungen frühzeitig zu identifizieren und den Krankheitsverlauf besser vorherzusagen.
Die Technologie kombiniert zwei häufig verfügbare medizinische Datenquellen: nicht kontrastverstärkte CT-Aufnahmen sowie serologische Blutmarker. Mithilfe künstlicher Intelligenz werden aus den CT-Bildern automatisch feine Muster in Gewebestruktur, Dichte und Morphologie der Leber extrahiert, um das Ausmaß der Fetteinlagerung zu bewerten und Hinweise auf mögliche Fibrose zu erkennen.
Gewinnen in der Plattform-Ökonomie
Deutlich höhere Erkennungsrate bei Risikopatienten
In einer retrospektiven Studie mit 1.192 Patientinnen und Patienten zeigte das Modell laut Alibaba eine deutlich höhere Sensitivität als herkömmliche Diagnosewege. Während klassische klinische Verfahren nur etwa 16,6 Prozent der Hochrisikofälle identifizierten, erhöhte MAOSS die Erkennungsrate auf 52,4 Prozent – mehr als eine Verdreifachung.
Besonders relevant ist dies für die frühe Erkennung einer klinisch signifikanten Fibrose. In diesem Stadium kann eine rechtzeitige Behandlung das Fortschreiten zu schweren Erkrankungen wie Leberzirrhose oder Leberkrebs noch verhindern.
KI übertrifft Radiologen in Tests
In multizentrischen Validierungsstudien erreichte das Modell bei der Bewertung verschiedener Fettleberstadien einen AUC-Wert zwischen 0,904 und 0,917. Damit lag die Leistung deutlich über dem durchschnittlichen Wert von Radiologinnen und Radiologen, der bei 0,709 lag.
Wird die KI als Assistenzsystem eingesetzt, verbessert sie zudem die Diagnosegenauigkeit medizinischer Fachkräfte. In Tests stieg der durchschnittliche AUC-Wert der Radiologen auf 0,798, insbesondere bei milden und leicht übersehbaren Krankheitsformen.
Ausbau von KI-gestützter Präventionsmedizin
Die Entwicklung von MAOSS ist Teil einer umfassenderen Strategie der Alibaba DAMO Academy, künstliche Intelligenz stärker in der präventiven Medizin einzusetzen. Ziel ist es, kostengünstige und skalierbare Diagnoseverfahren zu schaffen, die auch in Regionen mit begrenzten medizinischen Ressourcen eingesetzt werden können.
Parallel treibt das Institut internationale Kooperationen voran. So wurde kürzlich ein Projekt gestartet, das KI-basierte Krebsfrüherkennungssysteme in Pakistan einführt. Gemeinsam mit lokalen Partnern sollen dort digitale Gesundheitslösungen etabliert werden, um Diagnosen schneller und breiter verfügbar zu machen.
Nach Angaben der Akademie wurden KI-gestützte medizinische Screeningprogramme bislang bereits bei mehr als 50 Millionen Menschen in zehn Ländern und Regionen eingesetzt. Durch die Analyse standardisierter CT-Scans können dabei verschiedene Krankheiten – von Krebs bis zu chronischen Erkrankungen – frühzeitig erkannt werden.
