(Prä-)Diabetes im klinischen Alltag: Effektive Früherkennung zur Optimierung der Gesundheitsversorgung

In Deutschland sind nahezu 6,2 Millionen Menschen offiziell diagnostizierte Diabetiker:innen. Zusammen mit der beträchtlich hohen Dunkelziffer von geschätzten 1,35 Millionen nicht erkannten Fällen, erstreckt sich die Krankheit auf über 9% der deutschen Bevölkerung[1]. Diabetes mellitus ist nicht nur weit verbreitet, Erkrankte haben mit ernsthaften gesundheitlichen Konsequenzen zu kämpfen. Die Erkrankung hat störende Einflüsse auf die Regularisierung des Blutzuckerspiegels. Darüber hinaus hat sie negative Auswirkungen auf die Funktionen der Nieren, der Blutgefäße, der Nerven und vieler anderer Organe. Um schwereren Folgen für Patient:innen vorzubeugen ist eine effektive Früherkennung ungemein wichtig. Darum stellt sich die Frage: Wie kann man die Früherkennung dieser Erkrankung verbessern?

Mit über 90% der Fälle ist der Diabetes mellitus Typ II am häufigsten. Dieser ist stark mit Adipositas und Fettstoffwechselstörungen, aber auch mit einer genetischen Prädisposition assoziiert. Der Manifestation der Erkrankung geht der Prädiabetes voraus. Nach Zahlen der Klinik für Unfall- und Wiederherstellungschirurgie des Universitätsklinikums Tübingen wird bei nicht weniger als 40-50% der dortigen Patient:innen das Vorstadium des Diabetes diagnostiziert [2], was bis zu deren Hospitalisierung meist unentdeckt war. An Prädiabetes erkrankte Patient:innen haben bereits einen gestörten Blutzuckerstoffwechsel. Des Weiteren besteht, ebenso wie bei Diabetiker:innen, ein erhöhtes Risiko für Frakturen und Infektionen sowie Probleme bei der Heilung von Wunden und Frakturen. Dies führt zu längeren Krankenhausaufenthalten und einer erhöhten Sterblichkeitsrate nach Verletzungen.

Der positive Punkt ist, dass Prädiabetes insbesondere mittels Lifestyle-Veränderungen umkehrbar ist [3]. Dies unterstreicht die Notwendigkeit einer möglichst effektiven Früherkennung weiter. 

Neue Möglichkeiten der Früherkennung durch KI

In Kooperation mit der Universität Tübingen, der Universität Mannheim und Famedly arbeitet medicalvalues an der Entwicklung eines KI-gestütztes System zur Früherkennung von (Prä-)Diabetes. So sollen Korrelationen und neue molekulare Biomarker identifiziert werden.

Unser hybrider Ansatz integriert modernes maschinelles Lernen, aber auch vorhandenes medizinisches Wissen, OMICS-Daten und aktuelle Studien. Dies ermöglicht eine bessere Ausgangsbasis für die Früherkennung von (Prä-)Diabetes, ohne die Notwendigkeit großer Datenmengen, was einen klaren Vorteil gegenüber bestehenden Ansätzen darstellt. 

Ein Schlüsselmerkmal des Projekts ist der Knowledge-Graph als KI-Komponente. Er bildet Zusammenhänge und medizinische Algorithmen ab. Somit wird gleichzeitig das Einbeziehen von Daten aus verschiedenen Quellen ermöglicht, wie auch nachvollziehbare Schlussfolgerungen durch die Anschaulichkeit des Graphen. Besonders im medizinischen Bereich sind die Erklärbarkeit und die Nachvollziehbarkeit von durch KI bereitgestellten Informationen essentiell. Für eine reibungslose Funktionalität und Integration werden etablierte medizinische Standards wie FHIR, SNOMED, LOINC und RadLex verwendet. 

Diese Ziele möchten wir erreichen

  • Die Implementierung und weitreichende Anwendung eines angemessenen Screenings zur frühzeitigen Erkennung und Charakterisierung/Risikobewertung von Patient:innen mit (Prä-)Diabetes-Risiken 

  • Die Reduzierung der Komplikationsrate und verkürzte Krankenhausaufenthalte in der Akutversorgung von Patient:innen mit zuvor unerkanntem (Prä-)Diabetes durch eine gezielte Optimierung des Blutzuckerspiegels 

  • Rechtzeitige Veränderungen im Lebensstil und eine Abmilderung des Verlaufs von (Prä-)Diabetes 

  • Die Senkung der Konversionsrate von Prädiabetes zu Diabetes um 20% 

Mit diesem innovativen Projekt möchten wir dazu beitragen, die Lebensqualität der Patient:innen nachhaltig zu verbessern und der Erkrankung frühzeitig vorzubeugen.  Durch die Steigerung der Effizienz des Gesundheitssystems können wir die Auswirkungen von Diabetes auf die Gesellschaft minimieren und gleichzeitig das Gesundheitswesen entlasten. 

Literaturverzeichnis:

[1]: International Diabetes Foundation Diabetes Atlas 10th edition 2021 

[2]: Kufeldt, J., et al., Prevalence and Distribution of Diabetes Mellitus in a Maximum Care Hospital: Urgent Need for HbA1c-Screening. Exp Clin Endocrinol Diabetes, 2018 

[3]: Phillip Tuso, Prediabetes and Lifestyle Modification: Time to Prevent a Preventable Disease, Perm J. , 2014 

Andere Themen

(Un-)strukturierte Daten in elektronischen Patientenakten: Vom digitalen Scan zur medizinischen Informationsquelle

Durch die Einführung des verpflichtenden E-Rezeptes Anfang diesen Jahres und der bevorstehenden verpflichtenden elektronischen Patientenakte ab 2025 scheinen Papierakten im Gesundheitssystem längst der Vergangenheit anzugehören. Doch trotz der fortschreitenden Digitalisierung sieht die Realität anders aus: Wenig bis gar nicht systematisierte Papierdokumente stellen Ärzt:innen auch in diesem Jahr weiterhin vor große Herausforderungen. Umso wichtiger scheint es, genau diese Dokumente mit essenziellen Informationen systematisch zu digitalisieren.

Weiterlesen »