Künstliche Intelligenz zur Vorhersage lebensbedrohlicher bakterieller Erkrankungen bei Hunden
Leptospirose, eine Krankheit, die sich Hunde durch Trinken von mit Leptospira-Bakterien verunreinigtem Wasser zuziehen können, kann zu Nierenversagen, Lebererkrankungen und schweren Blutungen in der Lunge führen. Die frühzeitige Erkennung der Krankheit ist sehr wichtig und kann über Leben und Tod entscheiden.
Tierärzte und Forscher der University of California, Davis, School of Veterinary Medicine haben eine Technik zur Vorhersage von Leptospirose bei Hunden mit Hilfe künstlicher Intelligenz entwickelt.
Nach monatelangem Testen verschiedener Modelle hat das Team ein Modell entwickelt, das die herkömmlichen Testmethoden übertrifft und eine genaue Früherkennung der Krankheit ermöglicht. Die bahnbrechende Entdeckung wurde im Journal of Veterinary Diagnostic Investigation veröffentlicht.
"Herkömmlichen Tests für Leptospira mangelt es in einem frühen Stadium des Krankheitsprozesses an Sensitivität", bemerkt die Hauptautorin Krystle Reagan, eine zertifizierte Fachärztin für Innere Medizin und Assistenzprofessorin mit Schwerpunkt Infektionskrankheiten. "Die Erkennung kann sich auch um mehr als zwei Wochen verzögern, weil ein Anstieg der Antikörperspiegel in einer Blutprobe nachgewiesen werden muss. Unser KI-Modell beseitigt diese beiden Hürden für eine schnelle und genaue Diagnose", sagt sie.
Die Untersuchung umfasste historische Daten von Patienten des UC Davis Veterinary Medicine Teaching Hospital, die auf Leptospirose getestet worden waren. Anhand der routinemäßig durchgeführten Blutuntersuchungen dieser 413 Hunde wurde ein Modell zur Vorhersage von AI trainiert. Im folgenden Jahr behandelte das Krankenhaus weitere 53 Hunde mit Verdacht auf Leptospirose.
Das Modell identifizierte alle neun Hunde, die positiv auf Leptospirose getestet wurden, korrekt (100 % Sensitivität) und identifizierte auch etwa 90 % der 44 Hunde, die letztlich negativ auf Leptospirose getestet wurden.
Das Modell soll zu einer Online-Ressource für Tierärzte werden, die Patientendaten eingeben und eine zeitnahe Vorhersage erhalten.
"KI-gestützte klinische Entscheidungen werden die Zukunft vieler Aspekte der Tiermedizin sein", sagt Mark Stetter, Dekan der Veterinärmedizinischen Fakultät.
Die Leptospirose ist eine potenziell tödliche Zoonose, d. h. sie kann von Tieren auf Menschen übertragen werden. Da die Krankheit auch beim Menschen schwer zu diagnostizieren ist, hofft Reagan, dass die Technologie, die hinter diesem innovativen Erkennungsmodell steht, auch in der Humanmedizin eingesetzt werden kann.
"Ich gehe davon aus, dass diese Technologie in der Lage sein wird, Leptospirose-Fälle nahezu in Echtzeit zu erkennen und Ärzten und Besitzern wichtige Informationen über den Krankheitsverlauf und die Prognose zu liefern", sagt Reagan. "Wir hoffen, dass wir in Zukunft KI-Methoden einsetzen können, um auch andere Arten von Infektionen schneller zu diagnostizieren", erklärt sie.
Reagan ist Gründungsmitglied der Interessengruppe Künstliche Intelligenz in der Veterinärmedizin, die sich aus Tierärzten zusammensetzt, die sich für den Einsatz von KI in ihrem Beruf einsetzen. Diese Forschung wurde in Zusammenarbeit mit Mitgliedern des UC Davis Center for Data Science and Artificial Intelligence Research unter der Leitung von Mathematikprofessor Thomas Strohmer durchgeführt.
Er und seine Studenten waren an der Entwicklung des Algorithmus beteiligt. Das Zentrum ist seinerseits bestrebt, weltweit anerkannte Experten aus vielen Studienbereichen mit Spitzenforschern der künstlichen Intelligenz und der Datenwissenschaft zusammenzubringen, um die Grundlagen, Methoden und Anwendungen der Datenwissenschaft voranzutreiben.
Reagans Gruppe arbeitet aktiv an der Entwicklung von KI zur Vorhersage anderer Arten von Infektionen, einschließlich eines Vorhersagemodells für antimikrobiell resistente Infektionen, die ein wachsendes Problem in der Tier- und Humanmedizin darstellen. Zuvor hatte die Gruppe einen Algorithmus mit künstlicher Intelligenz entwickelt, der die Addison-Krankheit mit einer Genauigkeit von über 99 % vorhersagen konnte.
F.S.