Ein südkoreanisches Forschungsteam um Professor Lisa Lim von der KAIST hat ein KI-Framework entwickelt, das das Frühstadium zerebrovaskulärer Erkrankungen durch die Analyse alltäglicher Lebensdaten älterer Menschen im häuslichen Umfeld erkennt. In Zusammenarbeit mit Forschenden der Sungkyunkwan-Universität und des Korea University Anam Hospital sowie unter Nutzung von Daten des Betreibers LivOn Care Co. analysierte das Team 13.362 zweiwöchige Lifelog-Sätze von 1.224 Senior:innen aus realen Wohnumgebungen. Ziel der Entwicklung ist es, subtile Verhaltensänderungen aufzuspüren, bevor klinische Symptome auftreten und eine Behandlung notwendig wird. Das KI-Modell integriert neben täglichen Aktivitäten und Schlafmustern auch Daten zur zirkadianen Rhythmik, zur Raumumgebung sowie alters- und krankheitsbezogene Informationen. Durch den Einsatz explainable AI lassen sich die zugrundeliegenden Risikofaktoren nachvollziehbar darlegen. Die Validierung zeigte, dass sich das Risiko eines nahenden Diagnosezeitpunkts innerhalb von vier Wochen vor einem tatsächlichen medizinischen Befund mit einer Genauigkeit von 96,53 Prozent von der Phase ohne akutes Risiko zwölf Wochen zuvor unterscheiden lässt. Charakteristische Verhaltensmarker im Prodromalstadium umfassen eine erhöhte Aktivität zwischen 22 und 2 Uhr nachts, wenn der Körper eigentlich zur Ruhe kommen sollte, sowie eine zunehmend unklare Trennung von Tag- und Nachtrhythmus. Mit Annäherung an das Diagnosedatum nimmt die Aktivität am späten Abend deutlich ab, während die Inaktivitätsphasen steigen. Ein weiteres identifiziertes Warnsignal ist eine anhaltend niedrige Luftfeuchtigkeit im Wohnraum, die als Umgebungsfaktor die Risikobewertung mitbestimmt. Die Entwickler betonen, dass das System keinen klinischen Ersatz darstellt und keine exakte Vorhersage des Krankheitsausbruchs erlaubt. Es fungiert als unterstützendes digitales Gesundheitsinstrument, das Pflegepersonen und Ärzt:innen frühzeitige Handlungsindikatoren liefert, insbesondere für Patient:innen, die ihre Beschwerden nur schwer artikulieren können. Professor Lim unterstreicht, dass der Fokus auf der Verschiebung von einer reaktiven Behandlungslogik hin zu einer präventiven Versorgung liegt, die Risiken frühzeitig an das Gesundheitssystem meldet. Die Studie wurde im Fachjournal npj Digital Medicine veröffentlicht. Künftige Schritte umfassen die prospektive Validierung in größeren Patientenkohorten, bevor eine breite klinische Integration erfolgen kann.