Ein Forschungsteam der KAIST hat eine KI-Technologie entwickelt, die anhand langfristiger Alltagsdaten aus dem häuslichen Umfeld älterer Menschen Frühwarnsignale für zerebrovaskuläre Erkrankungen erkennt. Die Methode analysiert Bewegungs-, Schlaf- und Umweltdaten und kann mit hoher Genauigkeit zwischen Phasen mit erhöhtem und geringerem Risiko unterscheiden.
Hintergrund
Zerebrovaskuläre Erkrankungen wie Schlaganfall oder vaskuläre Demenz können schwerwiegende Folgen haben, wenn sie erst nach Auftreten von Symptomen erkannt werden. Frühe Veränderungen im Alltagsverhalten sind oft schwer zu erkennen und werden in der klinischen Routine selten systematisch erfasst. Die Studie untersuchte, ob digitale Lebensdaten aus dem häuslichen Umfeld als Indikatoren für ein beginnendes Risiko dienen können.
Die KI-Technologie
Das KI-Framework wertet Langzeitdaten aus realen Wohnumgebungen aus. Es berücksichtigt tägliche Aktivität, Schlafverhalten, zirkadiane Rhythmik und Innenraumumgebung (z. B. Luftfeuchtigkeit) sowie Alter und chronische Vorerkrankungen. Die Analyse basiert auf 13.362 zweiwöchigen Datensätzen von 1.224 älteren Erwachsenen. Die KI identifiziert nicht nur ein allgemeines Risiko, sondern auch zeitliche Veränderungen im individuellen Verhalten.
Wichtige Ergebnisse
Das System unterschied mit einer Genauigkeit von 96,53 % zwischen dem Zeitraum innerhalb von vier Wochen vor einer Diagnose („imminent diagnostic risk period“) und dem Zeitraum zwölf Wochen vor der Diagnose. Als relevante Muster wurden unter anderem häufige nächtliche Aktivität zwischen 22 und 2 Uhr, eine Abnahme abendlicher Aktivität zwischen 18 und 22 Uhr sowie eine Zunahme von Inaktivitätszeiten identifiziert. Auch eine niedrige Innenraumluftfeuchtigkeit erwies sich als wichtiger Indikator.
Erklärbarkeit der KI
Ein zentrales Merkmal der Technologie ist die Verwendung erklärbarer KI. Dadurch können die Forscher nachvollziehen, welche Verhaltens- und Umweltfaktoren zu einer Risikoeinschätzung geführt haben. Dies erleichtert die Interpretation der Ergebnisse für medizinisches Personal und Pflegekräfte.
Einordnung und Grenzen
Die Studie zeigt, dass subtile Veränderungen im häuslichen Alltag als frühe Hinweise auf ein erhöhtes Risiko für zerebrovaskuläre Erkrankungen dienen können. Die Technologie ist jedoch nicht als Ersatz für eine ärztliche Diagnose konzipiert und sagt keinen exakten Krankheitsbeginn voraus. Sie soll vielmehr als unterstützendes Instrument für Prävention und frühzeitige Abklärung dienen. Eine Validierung in größeren prospektiven Studien ist noch erforderlich.
FAQ
Was misst die KI?
Veränderungen in täglicher Aktivität, Schlaf, zirkadianem Rhythmus und Innenraumumgebung älterer Menschen.
Wie genau ist die Risikoeinschätzung?
Das System unterschied mit 96,53 % Genauigkeit zwischen Phasen mit hohem und geringem Risiko vor einer Diagnose.
Welche Verhaltensmuster sind auffällig?
Häufige nächtliche Aktivität, reduzierte abendliche Aktivität und trockene Innenraumluft.
Ersetzt die Technologie einen Arztbesuch?
Nein. Sie dient als ergänzendes Frühwarnsystem und soll helfen, rechtzeitig medizinische Beratung in Anspruch zu nehmen.
Quelle
10.1038/s41746-026-02836-7
