KI verbessert Diagnose und Therapie bei Morbus Crohn
Forschende der University of Birmingham Dubai haben in einer im Jahr 2026 im Fachjournal Frontiers in Artificial Intelligence publizierten Studie nachgewiesen, dass künstliche Intelligenz wesentliche Fortschritte bei der Früherkennung und Behandlung der Darmfibrose bei Morbus Crohn ermöglicht. Unter der Leitung von Dr. Animesh Acharjee analysierten das Team genetische Daten sowie Mikrobiom-Proben von insgesamt 448 Darmgewebeproben und 80 Mikrobiom-Instanzen. Die Ergebnisse widerlegen die bisherige Annahme, dass eine fibrotische Narbenbildung ein isoliertes Spätstadium darstellt. Stattdessen wurde belegt, dass die Darmfibrose als fortlaufende Entzündungsreaktion mit anhaltender Immunaktivierung, epithelialer Schädigung und spezifischen Verschiebungen der Darmflora entsteht. Durch den Einsatz maschinellen Lernens identifizierten die Forschenden 43 zentrale Gene, die den Krankheitsverlauf steuern, und ordneten diese drei biologischen Mustern zu. Um das limitierte Datenvolumen bei Fibrosepatienten auszugleichen, kam generative KI zum Einsatz, um realistische synthetische Genexpressionsdaten zu erzeugen. Dies steigerte die Modellleistung signifikant und isolierte klinisch relevante Biomarker, darunter IL-23R, TNF-alpha und TGF-beta, die bereits als Schlüsselakteure in Entzündungs- und Narbungsprozessen bekannt sind. Parallel zeigte die Mikrobiomanalyse einen deutlichen Rückgang kurzkettiger Fettsäuren produzierender Bakterien wie Faecalibacterium, Anaerostipes, Coprococcus und Ruminococcus sowie einen Anstieg potenziell pathogener Keime wie Bilophila und Bacteroides. Diese dysbiotischen Verschiebungen korrelieren eng mit den molekularen Mechanismen der Fibroseentwicklung. Die klinische Relevanz dieser Erkenntnisse ist hoch, da bis zu 70 Prozent der Patientinnen und Patienten mit transmuraler Form von Morbus Crohn innerhalb von zehn Jahren nach Diagnosestellung Darmstrikturen entwickeln, die häufig eine Operation unumgänglich machen. Die KI-gestützten molekularen Marker bieten das Potenzial, Hochrisikopatientinnen und -patienten früher zu identifizieren und akute Entzündungsaktivität von irreversiblen Narbenveränderungen zu unterscheiden. Langfristig könnten die identifizierten Zielstrukturen die Entwicklung zielgerichteter Therapien vorantreiben, die die Narbenbildung präventiv hemmen und somit operative Eingriffe reduzieren. Die Studie demonstriert damit die praktische Anwendbarkeit generativer KI in der Biomedizin, um datengetriebene Einblicke in komplexe Krankheitsmechanismen zu gewinnen und personalisierte Behandlungsstrategien zu etablieren.
