Künstliche Intelligenz erfolgreich beim Aufspüren der Psoriasisarthritis

Ein mithilfe künstlicher Intelligenz entwickelter Diagnosealgorithmus konnte in einer Studie zuverlässig eine Psoriasisarthritis bis zu 4 Jahre vor der Erstdiagnose erkennen.

Die frühe Diagnose der Psoriasisarthritis (PsA) ist ein ungelöstes Problem: Einer aktuellen Studie zufolge vergehen bei mehr als der Hälfte der Patienten über 2Jahre, ehe sie gestellt werden kann.¹ Dies ist besonders problematisch, da es durch eine zu spät einsetzende Therapie zu irreversiblen Gelenkschädigungen kommen kann, was auch eine große volkswirtschaftliche Bedeutung hat. Denn die PsA betrifft vor allem Menschen im Berufsleben; das Alter bei Erstmanifestation liegt zwischen dem 35. und 55. Lebensjahr.² Hilfe könnte durch den Einsatz von künstlicher Intelligenz erfolgen.

Nach Dr. Jonathan Shapiro, Maccabi Healthcare Services in Ramat Hasharon, Israel, ist die PsA besonders gut dazu geeignet, um einen maschinellen Lernalgorithmus zu entwickeln.³ Der Grund dafür ist, dass es sich um eine weit verbreitete Krankheit handelt, die besonders häufig bei Psoriasispatienten auftritt: Die Hauteffloreszenzen gehen in den meisten Fällen einer Gelenkbeteiligung voraus. Entsprechend werden auch viele Patienten mit PsA zunächst nicht dem Rheumatologen, sondern dem Dermatologen oder Hausarzt vorgestellt. Für die nichtrheumatologischen Ärzte sei die Hilfe durch einen Entscheidungsalgorithmus besonders wichtig, meint Shapiro. Zudem seien in vielen Ländern Rheumatologen nicht früh genug verfügbar.

PredictAI an zwei großen Kohorten trainiert

In einer retrospektiven Studie wurde die Leistung des maschinellen Lernprogramms PredictAI hinsichtlich seiner Fähigkeit bewertet, nicht diagnostizierte PsA-Patienten 1–4 Jahre vor dem ersten Verdacht auf PsA (dem sogenannten Referenzereignis) zu identifizieren.³ Analysiert wurden die Daten von 2,5 Millionen Mitgliedern der „Maccabi Healthcare Services Study Population“, einer Health-Maintenance-Organisation in Israel. In der Studie wurden alle Diagnosen von PsA und Psoriasis in der erwachsenen Bevölkerung zwischen 2008 und 2020 ausgewertet. Wie Shapiro erklärt, gingen die Wissenschaftler so vor, wie man dies immer bei der Entwicklung von Algorithmen für maschinelles Lernen tut: „Sie nehmen die Daten, die sie zur Verfügung haben, und teilen sie in zwei Gruppen auf: die große Menge zum Trainieren des Algorithmus und die kleine Menge zum Trainieren und Testen des Algorithmus.“

Da die Prävalenz von PsA bei Psoriasispatienten höher ist als in der Allgemeinbevölkerung, wurden zwei Kohorten gebildet: die Kohorte der Allgemeinbevölkerung und die Psoriasiskohorte. Das Referenzereignis war definiert als die erste registrierte Diagnose von PsA durch einen Arzt. Der Algorithmus wurde anhand von Daten aus jedem der 4 der Erstdiagnose vorausgehenden Jahre trainiert.

Der KI-Algorithmus erwies sich in der Vorhersage einer PsA in der Allgemeinbevölkerung, vor allem aber bei Psoriasispatienten als erfolgreich: In der Allgemeinbevölkerung erreichte PredictAI eine Sensitivität von 32%–42% und einen positiven Vorhersagewert von 8%–10%. In der Psoriasiskohorte identifizierte der Algorithmus nichtdiagnostizierte PsA-Patienten 1–4 Jahre vor dem Referenzereignis mit einer Sensitivität von 38%–50% und einem positiven Vorhersagewert von 30%–34%.

Die Parameter, die nach dem Algorithmus am stärksten zur Vorhersage beitragen, ob ein Patient eine nicht diagnostizierte PsA hat oder nicht, waren die Anzahl der Psoriasisdiagnosen, die Anzahl der Arthralgiediagnosen und die Zahl der durchgeführten intraartikulären Injektionen. Dagegen trugen die Parameter Alter der Patienten und Anzahl der Ekzemdiagnosen nicht zur Diagnose bei.

„Je näher man dem Zeitpunkt des Referenzereignisses bzw. der PsA-Erstdiagnose kommt, desto mehr verbessert sich die Leistung des Algorithmus“, erklärt Shapiro. In der Psoriasiskohorte identifizierte PredictAI bei etwas mehr als der Hälfte der Patienten (51%) eine nichtdiagnostizierte PsA, und zwar bis zu 4 Jahre vor dem ersten Verdacht des Hausarztes.

Somit kann die Zeit bis zur Diagnose, zur Überweisung an einen Rheumatologen und zum Behandlungsstart enorm verkürzt werden. Daher könnten KI-Modelle nach Ansicht von Shapiro in Zukunft eine wichtige Rolle bei der Verbesserung der Versorgung von PsA-Patienten spielen.