Ein Mann liegt in einem MRT und eine Ärztin richtet ihre Augen auf den Mann

© auremar / Adobe Stock

Nachrichten
Früherkennung

Wird Diabetes Typ 2 künftig auch im MRT diagnostiziert? 

Adipositas – insbesondere viszerales Fettgewebe – ist ein Hauptrisikofaktor für die Entstehung von Typ-2-Diabetes. In einer kürzlich veröffentlichten Studie berichten Forschende nun von der Möglichkeit, Typ-2-Diabetes anhand der Fettverteilung mit einer Ganzkörper-Kernspinaufnahme (MRT) zu diagnostizieren. Dabei werden sogenannte Deep-Learning-Methoden angewendet – ein Teilgebiet der künstlichen Intelligenz.

 

Insulinresistenz wird durch die Fettverteilung beeinflusst 

Es ist bekannt, dass besonders das viszerale Fettgewebe, also Fettdepots im Inneren der Organe, in einem Zusammenhang mit der Entwicklung einer Insulinresistenz stehen. Mit der Intention, weitere, bisher unbekannte Merkmale der Körperfettverteilung zu identifizieren, die zusätzlich zu der Entwicklung des Typ-2-Diabetes beitragen können, nahmen die Wissenschaftlerinnen und Wissenschaftler Deep-Learning-Methoden zu Hilfe, um diabetesbezogene Variablen in MRT-Aufnahmen zu erkennen. 

Für die Studie wurden insgesamt 2.555 MRT-Scans von 1.080 Teilnehmenden ausgewertet, die ein erhöhtes Risiko für einen Typ-2-Diabetes aufwiesen. Nur wenige der Personen wurden bereits mit der Erkrankung diagnostiziert. Neben den MRT-Aufnahmen wurde jeweils auch ein oraler Glukosetoleranztest durchgeführt.  

Mittels Deep-Learning, einem Teilgebiet der künstlichen Intelligenz, wurden Modelle entwickelt, die hinsichtlich der Kategorien Geschlecht, Alter, Body-Mass-Index (BMI), Insulinsensitivität, HbA1c und Prädiabetes oder neu aufgetretenem Typ-2-Diabetes trainiert wurden. Die Ergebnisse wurden mit herkömmlichen Modellen verglichen. 

 

Besonders das Fett im Unterbauch spielt bei der Diabetes-Detektion eine Rolle 

Die Ergebnisse zeigen, dass Ganzkörper-MRT-Aufnahmen helfen können, ein erhöhtes Risiko für Typ-2-Diabetes frühzeitig zu erkennen. Zudem legen die Daten nahe, dass nicht alle viszeralen Fettzellen die gleichen Auswirkungen auf den Glukosestoffwechsel haben. 

Die Forschenden stellten fest, dass Fett im Unterbauch für die maschinelle Erkennung von Typ-2-Diabetes am wichtigsten war, nicht aber für die Insulinsensitivität. Insulinresistenz hingegen könnte mit Fettgewebe im Halsbereich in einem Zusammenhang stehen. Die oberen Beinbereiche seien außerdem für die Insulinsensitivität relevant.  

Die Autoren und Autorinnen der Studie schlussfolgern, dass Veranschaulichungen in Heatmaps zukünftig dabei helfen könnten, Regionen des Körpers aufzudecken, die für die Entstehung von Typ-2-Diabetes relevant sind. Nun müsse in weiteren Analysen die biologische Steuerung der Körperfettzellen entschlüsselt werden. Durch den Einsatz von künstlicher Intelligenz erhoffen sich die Forschenden, den Ursachen des Typ-2-Diabetes näher auf den Grund zu gehen, um die Prävention- und Therapiemöglichkeiten für die Erkrankung zu verbessern. 

 

Quelle: 

Dietz, B. et al.: Diabetes detection from whole-body magnetic resonance imaging using deep learning. In: JCI Insight, 2021 (online)