Was schlägt die Studie zum Lächeln als Biomarker für Parkinson vor?

Die Studie legt nahe, dass die Analyse von Lächelvideos mit künstlicher Intelligenz frühe Anzeichen der Parkinson-Krankheit mit hoher diagnostischer Genauigkeit erkennen kann.

Welche Vorteile bietet der Einsatz von KI zur Parkinson-Erkennung anhand von Lächeln?

Sie ermöglicht ein frühes, zugängliches Screening aus der Ferne und eignet sich besonders für Gebiete mit geringer medizinischer Versorgung. Sie senkt Kosten und verbessert den Zugang zur Diagnose mit nur einem zu Hause aufgenommenen Video.

Wie wurde die Studie mit Videos von Gesichtsausdrücken durchgeführt?

Es wurden 1.452 Personen rekrutiert, die Gesichtsausdrücke aufnahmen. Die KI analysierte Gesichtsmerkmale, um Anzeichen von Parkinson zu erkennen, und verwendete Modelle des maschinellen Lernens.

Welche Ergebnisse erzielte das Modell zur Erkennung anhand des Lächelns?

Es erreichte eine Genauigkeit von 88 %, eine Sensitivität von 77 % und eine Spezifität von 91 %. Auch bei externen Tests in verschiedenen Ländern war es wirksam.

Warum war das Lächeln die nützlichste Ausdrucksform für die Diagnose?

Weil es Personen mit und ohne Parkinson besser unterscheiden konnte als andere Gesichtsausdrücke wie Ekel oder Überraschung.

Wie steht diese Erkenntnis mit NeuronUP in Zusammenhang?

NeuronUP kann digitale Biomarker wie das Lächeln integrieren, um Interventionen zu personalisieren, Beeinträchtigungen frühzeitig zu erkennen und einen umfassenderen kognitiven Ansatz anzubieten.

Parkinson-Screening mit KI: Lächeln als Biomarker

Die Doktorandin Marta Arbizu Gómez erläutert in diesem Artikel die aktuelle Studie «Detektion der Parkinson-Krankheit mit KI anhand von Lächelvideos», in der das Lächeln als digitaler Biomarker für Parkinson vorgestellt wird.

Warum brauchen wir zugängliche Screeningmethoden für Parkinson?

Die Parkinson-Krankheit (PK) ist die am schnellsten zunehmende neurodegenerative Erkrankung weltweit. Jedes Jahr sind mehr Menschen betroffen, was sowohl für die Patientinnen und Patienten als auch für ihre Familien und die Gesundheitssysteme erhebliche Auswirkungen hat.

Die derzeitige Diagnose stützt sich auf motorische Symptome wie Tremor und Rigor, die sich meist in fortgeschrittenen Stadien zeigen, wenn bereits ein erheblicher Verlust dopaminerger Neuronen vorliegt. Hinzu kommt der erschwerte Zugang zu spezialisierten Neurologinnen und Neurologen, insbesondere in ländlichen Gebieten oder Ländern mit begrenzten Ressourcen.

Ein einfaches, kostengünstiges und aus der Ferne einsetzbares Instrument würde Folgendes ermöglichen:

Frühe Anzeichen erkennen und frühzeitige Interventionen erleichtern.
Die Reichweite des Screenings erweitern bei Bevölkerungsgruppen mit erschwertem Zugang zu Fachpersonal.
Kosten und logistische Hürden reduzieren durch die Nutzung alltäglicher Geräte wie Smartphones oder Webcams.

Wie wurde die Untersuchung durchgeführt?

Eine kürzlich in NEJM AI veröffentlichte Studie schlägt vor, künstliche Intelligenz (KI) zur Analyse von Lächelvideos einzusetzen, um so mögliche Parkinson-Fälle zu erkennen.

Die Forschenden rekrutierten 1.452 Teilnehmende aus verschiedenen Teilen der Welt, darunter die USA und Bangladesch. Von ihnen hatten 391 Personen die Parkinson-Krankheit (300 klinisch diagnostiziert und 91 selbst diagnostiziert).

Jede Person nahm kurze Videos auf, in denen sie drei Gesichtsausdrücke zeigte: Lächeln, Überraschung und Ekel. Aus diesen Videos wurden mithilfe fortschrittlicher Werkzeuge wie OpenFace und MediaPipe zentrale Gesichtsmerkmale extrahiert. Zu den untersuchten Merkmalen gehörten die Mundöffnung, die Aktivierung der Gesichtsmuskulatur und die Bewegung der Augenbrauen.

Mit den gewonnenen Informationen wurden maschinelle Lernmodelle (HistGradientBoost-Modelle) trainiert, um zwischen Personen mit und ohne Parkinson zu unterscheiden, wobei der Schwerpunkt auf der Analyse des Lächelns lag.

Melden Sie sich
für unseren
Newsletter an

Jetzt anmelden

Was zeigen die wichtigsten Ergebnisse?

Die Ergebnisse waren aus folgenden Gründen besonders vielversprechend :

Allgemeine Genauigkeit bei der internen Validierung: 88 %.
Sensitivität (Fähigkeit, Fälle mit PK korrekt zu erkennen): 77 %.
Spezifität (Fähigkeit, Fälle ohne PK korrekt auszuschließen): 91 %.
Negativer prädiktiver Wert (NPW): 93 % (sehr nützlich zum Ausschluss der Erkrankung).

Bei externen Tests in den USA und Bangladesch lag die Genauigkeit zwischen 80 % und 85 % und blieb damit im Vergleich zur Präzision einiger Fachärztinnen und Fachärzte konkurrenzfähig.

Balkendiagramm zum Vergleich der Kennzahlen (Genauigkeit, AUROC, Sensitivität, Spezifität und NPW) für die Parkinson-Erkennung mit KI bei interner Validierung sowie in den USA und Bangladesch. — Grafik 1. Vergleichendes Balkendiagramm der wichtigsten diagnostischen Kennzahlen mit der Modellleistung bei interner Validierung sowie in den USA und Bangladesch.

Interessant ist, dass das Lächeln der aussagekräftigste Gesichtsausdruck war und damit Überraschung und Ekel übertraf. Außerdem zeigte die Analyse in den meisten Datensätzen keine signifikanten Verzerrungen nach Geschlecht oder ethnischer Zugehörigkeit.

Die Verwendung von Gesichtsausdrücken beim Parkinson-Screening kann daher ein nützliches Instrument darstellen.

Balkendiagramm zum Vergleich des AUROC-Werts des Modells nach Gesichtsausdruck: Lächeln, Ekel und Überraschung. — Grafik 2. Vergleichendes Diagramm zur Modellleistung (AUROC) nach Gesichtsausdruck: Lächeln, Ekel und Überraschung.

Welche Bedeutung hat dies für die klinische Praxis?

Die Studie zeigt das Potenzial von KI, das frühe Parkinson-Screening zu verändern. Zu den wichtigsten Anwendungen gehören:

Screening aus der Ferne und mit breitem Zugang: Menschen in ländlichen Gebieten oder ohne Zugang zu Neurologinnen und Neurologen könnten einfach zu Hause ein Video aufnehmen und eine vorläufige Einschätzung erhalten.
Spezialisierte Sprechstunden entlasten: Überweisungen in die Neurologie könnten für Fälle mit höherer Erkrankungswahrscheinlichkeit priorisiert werden.
Ergänzende Verlaufskontrolle: Obwohl sie keine klinische Diagnose ersetzt, könnte die Methode als zusätzliche Verlaufskontrolle in telemedizinischen Programmen dienen.

Wie steht dieser Fortschritt mit NeuronUP in Zusammenhang?

Bei NeuronUP entwickeln wir Programme zur kognitiven Stimulation und Rehabilitation auf der Grundlage wissenschaftlicher Erkenntnisse. Die Einbindung von Technologien zur Analyse digitaler Biomarker wie der Ausdrucksfähigkeit des Gesichts eröffnet Möglichkeiten für:

Personalisierung der Interventionen entsprechend dem Ausmaß der motorischen und kognitiven Beeinträchtigungen.
Früherkennung, die einen früheren Beginn von Rehabilitationsprogrammen und eine maximale Wirksamkeit ermöglicht.
Interdisziplinäre Integration durch die Kombination von digitaler Evaluation und kognitiver Stimulation für einen umfassenderen und kontinuierlichen Ansatz.

Fazit

Das Lächeln, eine universelle und scheinbar einfache Geste, kann dank künstlicher Intelligenz zu einem leistungsfähigen Instrument für die Früherkennung der Parkinson-Krankheit werden. Dieser wegweisende Ansatz bringt die Diagnose nicht nur zu mehr Menschen, sondern legt auch den Grundstein für eine Zukunft, in der Technologie und Rehabilitation Hand in Hand arbeiten, um die Lebensqualität von Menschen mit dieser Erkrankung zu verbessern.