Forscher der Tulane University haben einen neuen Deep-Learning-Algorithmus entwickelt, um das Risiko für Osteoporose vorherzusagen, ein Tool, das es Benutzern möglicherweise eines Tages ermöglichen könnte, ihre Chancen auf die Knochenverlust-Krankheit zu kennen, bevor sie überhaupt einen Arzt aufsuchen. Osteoporose ist so schwer in einem frühen Stadium zu erkennen, dass sie als “stille Krankheit” bezeichnet wird. Die Forscher haben einen Schritt in Richtung dieses Ziels gemacht, indem sie einen neuen Deep-Learning-Algorithmus entwickelt haben, der vorhandene Methoden zur Vorhersage des Osteoporose-Risikos übertraf und möglicherweise zu früheren Diagnosen und besseren Ergebnissen für Patienten mit Osteoporose-Risiko führen könnte. Ihre Ergebnisse wurden kürzlich in Frontiers in Artificial Intelligence veröffentlicht.
Tiefe Lernmodelle haben mit ihrer Fähigkeit, menschliche neuronale Netzwerke nachzuahmen und Trends in großen Datensätzen zu finden, ohne speziell programmiert zu sein, Aufmerksamkeit erregt. Die Forscher testeten das Deep-Neural-Network (DNN)-Modell gegen vier herkömmliche Machine-Learning-Algorithmen und ein traditionelles Regressionsmodell, unter Verwendung von Daten von über 8.000 Teilnehmern im Alter von 40 Jahren und älter in der Louisiana Osteoporose-Studie. Das DNN erzielte die beste Gesamtvorhersageleistung, gemessen an der Bewertung der Fähigkeit jedes Modells, echte Positive zu identifizieren und Fehler zu vermeiden.
Bei der Prüfung der Algorithmen anhand einer großen Stichprobe von realen Gesundheitsdaten konnten die Forscher auch die 10 wichtigsten Faktoren für die Vorhersage des Osteoporose-Risikos identifizieren: Gewicht, Alter, Geschlecht, Griffstärke, Größe, Bierkonsum, diastolischer Druck, Alkoholkonsum, Raucherjahre und Einkommensniveau. Die vereinfachte DNN-Modell unter Verwendung dieser 10 wichtigsten Risikofaktoren schnitt fast genauso gut ab wie das vollständige Modell, das alle Risikofaktoren enthielt. Während Qiu zugab, dass noch viel Arbeit zu erledigen ist, bevor eine KI-Plattform vom öffentlichen genutzt werden kann, um das individuelle Osteoporose-Risiko vorherzusagen, sagte er, dass die Identifizierung der Vorteile des Deep-Learning-Modells ein Schritt in diese Richtung war. Ihr endgültiges Ziel sei es, den Menschen zu ermöglichen, ihre Informationen einzugeben und hochgenaue Osteoporose-Risikowerte zu erhalten, um sie zu ermutigen, Behandlungen zu suchen, um ihre Knochen zu stärken und weitere Schäden zu vermeiden.