A Scoping Review of Foundation Models in Dementia Research

Demenz ist eine tiefgreifende Herausforderung für Familien und Gesundheitssysteme gleichermaßen – ein Zustand, der langsam das Gedächtnis und die Unabhängigkeit untergräbt. Da die Weltbevölkerung altert, steigt die Zahl der Menschen, die mit dieser Erkrankung leben, was die dringende Notwendigkeit nach besseren Wegen zu deren Früherkennung schafft. Eine Früherkennung ist entscheidend, da neue Behandlungen verfügbar werden, die am besten zu Beginn der Krankheit wirken, bevor signifikante Schäden auftreten. Um diese frühen Anzeichen zu finden, wenden sich Wissenschaftler der künstlichen Intelligenz zu, speziell einem leistungsstarken neuen Typ von Computerprogramm, der als Foundation Model (Grundlagenmodell) bekannt ist. Man kann sich diese Modelle wie riesige Bibliotheken des Wissens vorstellen, die Millionen von Büchern gelesen, unzählsreiche Gespräche gehört und vielfältige Bilder studiert haben, was es ihnen ermöglicht, Muster in der menschlichen Sprache und im Verhalten zu verstehen, die ein Standard-Computerprogramm vielleicht übersehen würde. Forscher hoffen, dass diese Werkzeuge die Sprache eines Patienten hören, seine Krankenakten lesen oder Gehirnscans analysieren können, um die subtilen Fingerabdrücke der Demenz zu entdecken, lange bevor ein Arzt sie bemerken würde.

Ein Team von Forschern aus Universitäten im Vereinigten Königreich hat sich kürzlich auf den Weg gemacht, die aktuelle Landschaft dieser Technologie abzubilden. Sie wollten genau wissen, wie diese fortschrittlichen KI-Systeme zur Untersuchung von Demenz eingesetzt werden, wie gut sie tatsächlich funktionieren und welche Lücken bestehen, bevor man ihnen in einem Krankenhaus vertrauen kann. Zu diesem Zweck führten sie eine umfassende Überprüfung wissenschaftlicher Arbeiten durch, die zwischen Januar 2022 und August 2026 veröffentlicht wurden. Sie suchten nach Studien, die diese Foundation Models für Aufgaben wie die Erkennung der Krankheit, die Diagnose oder die Vorhersage des Krankheitsverlaufs oder die Abschätzung des Risikos, an der Krankheit zu erkranken, anwandten. Nach der Sichtung hunderter Datensätze konzentrierten sie sich auf fünfzig qualitativ hochwertige Studien für eine eingehende Analyse, wobei sie die verwendeten Methoden, die in die Computer eingespeisten Daten und die erzielten Ergebnisse untersuchten.

Die Forscher fanden heraus, dass sich das Feld schnell bewegt, aber noch in einem frühen Stadium verweilt. Die meisten Studien konzentrierten sich auf zwei Hauptaufgaben: das Erkennen des Vorhandenseins von Demenz oder die Diagnose nach dem Auftreten von Symptomen. Die Art und Weise, wie diese Modelle erstellt wurden, variierte erheblich. Einige Studien verwendeten Modelle, die bereits auf massiven Mengen allgemeiner Daten trainiert und dann sorgfältig für Demenz-Aufgaben angepasst oder „feinjustiert“ (fine-tuned) wurden. Andere nutzten kommerzielle KI-Systeme, wie sie der Öffentlichkeit zur Verfügung stehen, indem sie ihnen einfach Fragen stellten oder Daten gaben, ohne deren interne Einstellungen zu ändern. Eine kleinere Gruppe von Studien baute Modelle von Grund auf neu, indem sie diese vollständig mit neuen Daten trainierte. Die Ergebnisse zeigten einen klaren Zielkonflikt zwischen der Größe des Modells und seiner Zuverlässigkeit. Die massiven kommerziellen Systeme erzielten in einigen Fällen die höchsten Werte, aber ihre Leistung war extrem inkonsistent; in einigen Fällen waren sie nicht besser als der Zufall. Im Gegensatz dazu lieferten die Modelle, die speziell für die Aufgabe der Demenzforschung feinjustiert wurden, die konsistentesten und verlässlichsten Ergebnisse, wobei die Mehrheit der Studien eine starke Leistung zeigte. Die von Grund auf neu gebauten Modelle schnitten im Allgemeinen moderat ab und konnten oft nicht einmal einfachere, ältere Arten von Computerprogrammen übertreffen.

Trotz dieser vielversprechenden technischen Ergebnisse deckte die Untersuchung schwerwiegende Einschränkungen auf, die den Einsatz dieser Werkzeuge in Kliniken verhindern. Ein großes Problem war der Mangel an Diversität in den Daten. Die überwältigende Mehrheit der Studien stützte sich auf Daten aus den Vereinigten Staaten, und die Teilnehmer waren überwiegend weiß. Nur sehr wenige Studien berichteten über die ethnische Zugehörigkeit der Beteiligten, und viele gaben nicht einmal deren Alter an. Wenn das Geschlecht berichtet wurde, wurden die Ergebnisse selten aufgeschlüsselt, um zu sehen, ob die KI bei Männern und Frauen gleichermaßen gut funktionierte. Dieser Mangel an Vielfalt bedeutet, dass wir nicht wissen, ob diese Werkzeuge für Menschen mit unterschiedlichem Hintergrund, anderen Sprachen oder anderen Altersgruppen funktionieren werden. Darüber hinaus waren die verwendeten Daten oft eng gefasst und stützten sich stark auf Sprachaufnahmen oder eine einzige Art von medizinischen Unterlagen, anstatt mehrere Quellen wie Gehirnscans, genetische Informationen und Lebensstildaten zu kombinieren.

Ein weiterer kritischer Befund war die Schwäche in der Art und Weise, wie diese Modelle getestet wurden. In der medizinischen Forschung muss ein neues Werkzeug daran bewiesen werden, dass es mit Daten funktioniert, die es zuvor noch nie gesehen hat, um sicherzustellen, dass es nicht nur die Antworten auswendig lernt. Die meisten der untersuchten Studien testeten ihre Modelle nur mit denselben Daten, die sie auch für das Training verwendet hatten – eine Praxis, die zu übermäßig optimistischen Ergebnissen führen kann. Nur eine geringe Anzahl von Studien testete ihre Modelle an völlig separaten Personengruppen aus anderen Krankenhäusern oder Regionen. Noch weniger verglichen ihre Ergebnisse mit dem Goldstandard der Demenzdiagnose, welcher die Untersuchung von Hirngewebe nach dem Tod ist. Ohne dieses rigorose Testen ist es unmöglich zu wissen, ob diese KI-Systeme mit der Komplexität und Vielfalt realer Patienten umgehen können. Die Forscher kamen zu dem Schluss, dass die Technologie zwar großes Potenzial besitzt, derzeit aber eher ein Proof of Concept als eine fertige Lösung ist. Um den Schritt vom Labor in die Klinik zu vollziehen, muss die zukünftige Forschung den Fokus auf größere, vielfältigere Datensätze, rigorose Tests an unabhängigen Gruppen und ein klares Verständnis dafür legen, wie diese Werkzeuge über verschiedene Populationen hinweg funktionieren. Bis dahin bleiben diese leistungsstarken Systeme ein Werk in Arbeit, das einen Ausblick auf die Zukunft bietet, aber noch keinen Ersatz für das klinische Urteilsvermögen des Menschen darstellt.