Forscher der University of Tokyo und des Institute of Science Tokyo haben einen Algorithmus vorgestellt, der Bluthochdruck und Diabetes anhand kurzer Gesichts- und Handvideos berührungs- und manschettenlos erkennt. Die Methode soll am 26.
Ein neues Diagnoseverfahren könnte künftig Vorsorgeuntersuchungen grundlegend verändern. Wissenschaftler in Japan haben eine künstliche Intelligenz entwickelt, die anhand von Gesichts- und Handaufnahmen in Sekundenschnelle unerkannte Erkrankungen aufspüren kann. Weltweit schätzungsweise 1,4 Milliarden Menschen im Alter zwischen 30 und 79 Jahren leben mit Bluthochdruck, während 589 Millionen Menschen von Diabetes betroffen sind. Da viele Fälle undiagnostiziert bleiben und herkömmliche Screenings meist auf Arztbesuche oder spezielle Wearables angewiesen sind, suchten die Forscher nach einem breiter zugänglichen Weg.
Künstliche Intelligenz analysiert Gefäßdynamik und Gesichtsblutfluss
Das Forschungsteam der University of Tokyo und des Institute of Science Tokyo untersuchte die Eignung maschinellen Lernens für die berührungslose Früherkennung. Für die Untersuchung wurden im Rahmen einer prospektiven Einzelzentrumstudie 215 Teilnehmer rekrutiert, die sowohl bereits diagnostizierte Patientinnen und Patienten als auch gesunde Freiwillige umfasste. Mithilfe einer speziellen Hochgeschwindigkeits-Spektroskopiekamera zeichneten die Beteiligten kurze Videos ihres Gesichts und ihrer Handflächen auf. Der Algorithmus wertete diese Aufnahmen aus und extrahierte Daten zu Pulswellendynamiken, welche die arterielle Steifigkeit messen, sowie zu Hautdurchblutungsmustern und spektralen Merkmalen der Hautfarbe.
Die Ergebnisse zeigen erhebliche Genauigkeit bei extrem kurzen Aufnahmezeiten. Bei einer 30-sekündigen Aufzeichnung von Gesicht und Handflächen ermittelte das System Bluthochdruck mit einer Genauigkeit von 95,0 Prozent. Die Sensitivität für normale Blutdruckwerte lag bei 100,0 Prozent, während die Erkennungsrate für Hypertonie 89,2 Prozent erreichte. Selbst bei einer Verkürzung des Videos auf lediglich fünf Sekunden funktionierte die Erkennung mit 90,3 Prozent Genauigkeit.
Ergebnisse der Video-Diagnostik für Bluthochdruck und Diabetes
Ähnlich präzise schnitt der Algorithmus bei der Früherkennung von Diabetes ab. Basierend auf Mustern der Gesichtsblutströmung identifizierte die Software die Stoffwechselerkrankung bei einer 30-sekündigen Aufnahme mit 88,2 Prozent Genauigkeit. Verkürzten die Forscher das Video auf fünf Sekunden, lag die Trefferquote noch bei 81,2 Prozent. Zudem konnte das System den systolischen Blutdruck allein aus einem Gesichtsvideo ohne den Einsatz einer klassischen Manschette berechnen.
Der mittlere absolute prozentuale Fehler für den systolischen Blutdruck betrug 8,6 Prozent. Bei der Validierung nach den Kriterien der Association for the Advancement of Medical Instrumentation wies der Algorithmus einen mittleren Fehler von −2,6 mmHg auf und lag damit im geforderten Toleranzbereich. Die Standardabweichung von ±12,0 mmHg überstieg jedoch die dort zugelassene Grenze von ±8,0 mmHg. Ryoko Uchida betonte als Präsentatorin der Studie, dass künftige Arbeiten darauf ausgerichtet sein werden, diese Variabilität durch größere, multizentrische Datensätze zu verringern.
Ryoko Uchida erklärte, dass ihr Algorithmus für maschinelles Lernen Bluthochdruck und Diabetes anhand von spektroskopischen Gesichtsvideoaufzeichnungen von nur fünf Sekunden Länge präzise erkannt habe. Sie fügte hinzu, dass sie beabsichtigen, diese Ergebnisse in größeren Kohorten über verschiedenartigere Bevölkerungsgruppen hinweg zu validieren, um eine Anwendung in der Praxis zu unterstützen. Bei einer Bestätigung könnte dieser kontaktlose Ansatz es ermöglichen, Menschen in alltäglichen Umgebungen zu untersuchen – ohne Manschetten, Blutabnahmen oder einen speziellen Klinikbesuch –, was dabei helfen würde, gefährdete Personen zu identifizieren, die sonst undiagnostiziert und folglich un behandelt blieben.
Ausblick auf medizinische Einsätze und Fachkonferenzen
Bruining fügte hinzu, dass die Methode aufgrund ihrer Schnelligkeit und des Verzichts auf direkten Körperkontakt weit außerhalb von Krankenhäusern eingesetzt werden kann. Dies biete die Chance, deutlich mehr Menschen als bisher zu erreichen, bevor Herzinfarkte, Schlaganfälle oder andere kardiovaskuläre Erkrankungen entstehen. Die Veröffentlichung der Studienergebnisse erfolgt im Rahmen des ESC Congress 2026. Weitere Einblicke in digitale Innovationen der Herz-Kreislauf-Medizin werden beim ESC Digital & AI Summit vom 12. bis 13. November 2026 im Schweizerischen Basel erwartet.
Weiterlesen
