Ein Team der Universität in San Francisco möchte die Kamera eines Smartphones zur Diagnose von Typ-2-Diabetes einsetzen. Die Methode beruht auf der Photoplethysmographie (PPG). Dazu wird infrarotes Licht auf ein Hautareal eingestrahlt, dort remittiert und von dem optischen Sensor, im berichteten Fall von der Kamera des Smartphones, erfasst und fotografiert (Remission ist zurückgeworfenes Licht, nur diffus gestreut und nicht gerichtet wie bei der Reflexion).

In dem remittierten Licht fehlt der Anteil des Lichts, der durch das Gewebe, also die Moleküle der Haut, die Blutgefäße usw., absorbiert wird. Denn die Absorption durch die Glukosemoleküle lässt sich prinzipiell für die nicht-invasive Glukosemessung nutzen, auch wenn bisher keine solchen Systeme die für die Diabetesbehandlung notwendige Messgenauigkeit erreichten.

Lernender Algorithmus erkennt typische Muster

Die Arbeitshypothese bestand darin, dass sich durch PPG entstandene Gefäßschäden erkennen lassen, die durch den Typ-2-Diabetes bzw. Prädiabetes entstanden sind. Entwickelt wurde ein Algorithmus, der Muster erkennt. Um diese Muster den Algorithmus „lernen“ zu lassen, verglich die Arbeitsgruppe PPG-Aufzeichnungen von 53.870 Personen mit diagnostiziertem Diabetes mit PPG-Aufzeichnungen von gesunden Probanden.

Die PPG-Muster der beiden Personengruppen unterschieden sich, sodass sich Diabetespatienten mit einer Genauigkeit von etwa 80 % identifizieren ließen. Die Genauigkeit lässt sich noch verbessern, wenn etwa der Body-Mass-Index und das Lebensalter in den Algorithmus integriert werden. Der Vorteil besteht darin, dass außer einer funktionsfähigen Smartphone-Kamera keine zusätzliche Hardware benötigt wird. Der Algorithmus läuft in einer entsprechenden App.

Bemerkung: Jeder Diabetesspezialist kann mit einer gewissen Sicherheit aus anamnestischen Daten ableiten, ob ein Risiko für die Entwicklung des Typ-2-Diabetes wahrscheinlich ist. Die vorgestellte Methode über PPG-Aufzeichnungen liefert jedoch Daten mit einer höheren Zuverlässigkeit. Außerdem werden Messwerte, gewonnen z.B. bei Screenings, von Menschen noch einmal anders wahrgenommen als der bloße ärztliche Hinweis auf die androide Fettverteilung und das Risiko für einen sich entwickelnden Typ-2-Diabetes.