KI-Modell als Diabetes-Frühwarnsystem beim Autofahren

Figure 1 aus der Studie Machine Learning to Infer a Health State Using Biomedical Signals — Detection of Hypoglycemia in People with Diabetes while Driving Real Cars (c) Authors Vera Lehmann et al. https://ai.nejm.org/doi/full/10.1056/AIoa2300013

Nur anhand des Fahrverhaltens und der Bewegungen von Kopf und Augen erkennt das neu entwickelte Tool niedrige Blutzuckerspiegel.

Niedrige Blutzuckerwerte (Hypoglykämie) sind eine der gefährlichsten Komplikationen bei Diabetes und stellen ein hohes Risiko bei kognitiv und motorisch anspruchsvollen Aufgaben dar, beispielsweise beim Autofahren. Der Nutzen bisher entwickelter Methoden zur Erkennung einer Hypoglykämie ist durch lange Diagnosezeiten, Invasivität, begrenzte Verfügbarkeit und hohe Kosten eingeschränkt. Eine kürzlich im Fachmagazin NEJM AI publizierte Studie von Forschenden der LMU in Zusammenarbeit mit dem Inselspital Bern, der ETH Zürich und der Universität St. Gallen eröffnet einen neuen Weg, eine Hypoglykämie während des Autofahrens zu erkennen.

Für ihre Studie sammelten die Wissenschaftlerinnen und Wissenschaftler Daten von 30 Diabetikern, während diese ein echtes Fahrzeug steuerten. Für jede Person wurden die Daten einmal bei normalem Blutzuckerspiegel und einmal bei Hypoglykämie aufgezeichnet. Zu diesem Zweck wurden die Testpersonen von den im Auto anwesenden medizinischen Fachkräften gezielt in einen Zustand niedrigen Blutzuckers versetzt. Die gesammelten Daten umfassten Fahrsignale wie zum Beispiel die Geschwindigkeit des Fahrzeugs sowie Kopf- und Blickbewegungsdaten, beispielsweise die Geschwindigkeit der Augenbewegungen.

Anschließend entwickelten sie ein neuartiges Modell basierend auf maschinellem Lernen (ML), das hypoglykämische Phasen automatisch sicher erkennen kann, und zwar allein anhand der routinemäßig erfassten Daten zum Fahrverhalten und den Kopf- und Blickbewegungen. „Diese Technologie könnte als Frühwarnsystem im Auto dienen und die Person am Steuer in die Lage versetzen, die notwendigen Vorkehrungen zu treffen, bevor Hypoglykämie-Symptome ihre Fähigkeit sicher zu fahren beeinträchtigen“, sagt Simon Schallmoser, Doktorand am Institute of AI in Management der LMU und einer der beteiligten Forscher.

Das neu entwickelte ML-Modell schnitt auch dann gut ab, wenn nur Kopf- und Blickbewegungsdaten verwendet wurden, was für zukünftige selbstfahrende Autos von entscheidender Bedeutung ist. Professor Stefan Feuerriegel, Leiter des Institute of AI in Management und Projektpartner, erklärt: „Diese Studie zeigt nicht nur das Potenzial von KI zur Verbesserung der individuellen Gesundheitsversorgung, sondern auch ihre Rolle bei der Sicherheit im öffentlichen Straßenverkehr.“

Wissenschaftliche Ansprechpartner:

Simon Schallmoser, M.Sc.
Institute of Artificial Intelligence (AI) in Management
Ludwig-Maximilians-Universität München
schallmoser@lmu.de

Originalpublikation:

Vera Lehmann, Thomas Zueger, Martin Maritsch, Michael Notter, Simon Schallmoser, Caterina Bérubé, Caroline Albrecht, Mathias Kraus, Stefan Feuerriegel, Elgar Fleisch, Tobias Kowatsch, Sophie Lagger, Markus Laimer, Felix Wortmann & Christoph Stettler: Machine Learning to Infer a Health State Using Biomedical Signals — Detection of Hypoglycemia in People with Diabetes while Driving Real Cars. New England Journal of Medicine AI 2024  https://ai.nejm.org/doi/full/10.1056/AIoa2300013

https://www.lmu.de/de/newsroom/newsuebersicht/news/ki-modell-als-diabetes-fruehwarnsystem-beim-autofahren.html

Media Contact

LMU Stabsstelle Kommunikation und Presse
Ludwig-Maximilians-Universität München

Alle Nachrichten aus der Kategorie: Informationstechnologie

Neuerungen und Entwicklungen auf den Gebieten der Informations- und Datenverarbeitung sowie der dafür benötigten Hardware finden Sie hier zusammengefasst.

Unter anderem erhalten Sie Informationen aus den Teilbereichen: IT-Dienstleistungen, IT-Architektur, IT-Management und Telekommunikation.

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Funktionsweise von Adrenalin-bindendem Rezeptor entschlüsselt

Leipziger Biophysiker verfolgen Mechanismus der Signalübertragung im Körper nach. G-Protein-gekoppelte Rezeptoren (GPCR) sind im menschlichen Körper allgegenwärtig und an vielen komplexen Signalwegen beteiligt. Trotz ihrer Bedeutung für zahlreiche biologische Vorgänge…

Eine Alternative für die Manipulation von Quantenzuständen

Forschende der ETH Zürich haben gezeigt, dass man die Quantenzustände einzelner Elektronenspins durch Elektronenströme mit gleichmässig ausgerichteten Spins kontrollieren kann. Diese Methode könnte in Zukunft in elektronischen Schaltelementen eingesetzt werden….

Neue Einblicke in das Entstehen kleinster Wolkenpartikel in der Arktis

Ny-Ålesund (Spitzbergen). Mobile Messgeräte ermöglichen die Untersuchung von atmosphärischen Prozessen in höheren Luftschichten, die von klassischen Messstationen am Boden bisher nicht erfasst werden. Die luftgetragenen Flugsysteme leisten somit einen wichtigen…

Partner & Förderer