Asthma-Schnelltest dank Künstlicher Intelligenz

Mit Hilfe dieses holografischen Mikroskops können Immunzellen in Echtzeit getrackt werden. Das könnte künftig nicht nur bei der Asthmadiagnose eine Rolle spielen. | Bild: © Fraunhofer EMB

Asthma früh zu erkennen, ist vor allem bei Kindern wichtig – aber gerade bei ihnen oft schwierig. Die Diagnose könnte zukünftig einfacher werden. Forscher entwickeln derzeit einen Asthma-Schnelltest mit Hilfe Künstlicher Intelligenz.

Ein Asthma bei Kleinkindern festzustellen, ist meist kompliziert. Lungenfunktionstests lassen sich bei ihnen noch nicht durchführen. Doch nur durch frühzeitige Diagnose kann auch frühzeitig adäquat behandelt und bei einem Anfall rasch eingegriffen werden. Das „Kill Asthma“-Projekt – gefördert vom Land Schleswig-Holstein – nimmt sich dieser Aufgabe an: Ein Fraunhofer-Forscherteam entwickelt zusammen mit zwei Hightech-Unternehmen einen Schnelltest für die Asthma-Diagnose. Dazu wird vom Patienten nur ein Tropfen Blut benötigt.

Charakteristische Bewegungsmuster von Immunzellen

Schon vor ein paar Jahren entdeckte eine amerikanische Arbeitsgruppe, dass sich bei einer Asthma-Erkrankung bestimmte Immunzellen – die neutrophilen Granulozyten – anders bewegen als bei Gesunden. Die Fraunhofer-Wissenschaftler entwickelten ein spezielles, holographisches Mikroskop, mit dem sie das Bewegungsmuster der Immunzellen in einem Blutstropfen dreidimensional untersuchen können.

Selbstlernende neuronale Netze

Um aber wirklich zu einer verlässlichen Asthma-Diagnose zu kommen, ist Künstliche Intelligenz (KI) mit im Spiel: Die mit dem holographischen Mikroskop ermittelten Bewegungsmuster der Immunzellen werden einem künstlichen neuronalen Netz übergeben. Das neuronale Netz wurde zuvor entsprechend „trainiert“. Das heißt, die Forscher hatten ihm viele reale Datensätze präsentiert – sowohl pathologische aus dem Blut von Asthmapatienten als auch solche aus dem Blut gesunder Menschen. Die Künstliche Intelligenz hatte durch diese Trainingsdaten hochkomplexe Muster gelernt. Dadurch wurde sie befähigt, auch in einem zuvor unbekannten Datensatz ein Asthma mit hoher Sicherheit zu erkennen bzw. auszuschließen.

Noch mehr Diagnose-Möglichkeiten?

Die Forscher wollen mit dieser Methode nicht nur zwischen „krank“ und „gesund“ unterscheiden, sondern auch Aussagen zum Asthma-Schweregrad machen können. Außerdem hoffen sie, dass solche selbstlernenden Algorithmen demnächst auch noch andere Krankheiten analysieren. Die Wissenschaftler denken dabei insbesondere an Autoimmunkrankheiten, chronisch entzündliche Darmerkrankungen und Rheuma. Quelle: Fraunhofer EMB