KI-gestützte Vorhersage des ALS-Verlaufs am NNI

Die amyotrophe Lateralsklerose, kurz ALS, ist eine fortschreitende und tödliche neurodegenerative Erkrankung. Sie schädigt Nervenzellen in Gehirn und Rückenmark; der Verlust der Muskelkontrolle nimmt im Zeitverlauf zu. Eine eindeutige Einzeluntersuchung zur Diagnose gibt es nicht, und frühe Symptome ähneln häufig denen anderer Erkrankungen.

Der Krankheitsverlauf unterscheidet sich deutlich zwischen einzelnen Patientinnen und Patienten. Laut der Quelle gibt es derzeit keine Behandlung, die das Fortschreiten der Erkrankung verhindert, umkehrt oder stoppt. Diese Unterschiede erschweren es Ärztinnen und Ärzten, die Entwicklung bei einzelnen Betroffenen vorauszusagen. In Singapur leben nach Angaben der Quelle zwischen 250 und 400 Menschen mit ALS. Spezialisierte Zentren wie das National Neuroscience Institute, kurz NNI, diagnostizieren jährlich 30 bis 50 neue Fälle.

Am NNI nutzt ein Team um die Neurologin Crystal Yeo künstliche Intelligenz zur Analyse großer Mengen von Patientendaten. Ziel ist, besser vorherzusagen, wie sich ALS bei unterschiedlichen Personen entwickelt. Die Vorhersagen sollen die Überwachung von Patientinnen und Patienten unterstützen und ihnen sowie ihren Familien die Lebensplanung erleichtern.

Zusätzlich wird KI eingesetzt, um anhand von Signalen aus motorischen Nervenzellen, die aus Stammzellen von Patientinnen und Patienten gezüchtet wurden, vorherzusagen, welche Arzneimittel oder Arzneimittelkombinationen für verschiedene Patientengruppen am wahrscheinlichsten geeignet sind. Die Quelle ordnet diesen Einsatz einer präzisionsmedizinischen Ausrichtung zu: Behandlungen sollen den passenden Patientengruppen früher und zielgerichteter zugeordnet werden.

Das Team verwendete Modelle des maschinellen Lernens auf klinischen Daten aus internationalen Quellen, um die wichtigsten Prädiktoren für die ALS-Progression zu identifizieren. Berücksichtigt wurden Bluttestergebnisse, klinische ALS-Monitoringwerte zu Funktionen wie Muskelkraft und Atmung, Befunde aus Nervenleituntersuchungen sowie Proteine und Gene in geschädigten motorischen Nervenzellen aus patienteneigenen Stammzellen.

Nach Angaben von Yeo prüfte das Team, ob Modelle und Vorhersagen nicht nur für eine US-amerikanische Population, sondern auch für die Bevölkerung Singapurs zutreffen. Damit sollte die Übertragbarkeit der Schlussfolgerungen zur Vorhersage und zur Unterstützung der Behandlungs- und Lebensplanung für ALS-Betroffene weltweit abgesichert werden.

Die Quelle nennt keine Kennzahlen zur Vorhersagegüte der Modelle und keine Angaben zu tatsächlich veränderten Therapieentscheidungen oder Behandlungsergebnissen. Sie berichtet jedoch, dass die klinische Forschung und die Ergebnisse des Teams 2025 in der monatlich erscheinenden, begutachteten Fachzeitschrift Muscle & Nerve veröffentlicht wurden.

Als versorgungsbezogenes Ergebnis beschreibt die Quelle eine stärkere Ausrichtung der Betreuung an den jeweiligen Bedürfnissen: Prognosen zum individuellen Verlauf sollen es ermöglichen, Patientinnen und Patienten gezielter zu überwachen und Behandlungen passender zuzuordnen.

Der Einsatz adressiert ein zentrales Problem der ALS-Versorgung: Bei äußerlich vergleichbarem klinischem Bild können sich Krankheitsverläufe stark unterscheiden. Das NNI verbindet dafür klinische Messwerte, Befunde aus Nervenleituntersuchungen sowie molekulare Daten aus patientenspezifischen Zellmodellen in maschinellen Lernmodellen.

Die Quellen beschreiben den Ansatz als Unterstützung für Prognose, Monitoring, Lebensplanung und die Zuordnung von Therapien zu Patientengruppen. Sie liefern keine Angaben zu einem routinemäßigen klinischen Einsatz, zu eingesetzten konkreten Softwareprodukten, zu Modellarchitekturen oder zu regulatorischen Freigaben.