Ein KI-Modell, entwickelt von Forschenden der Ludwig-Maximilians-Universität München (LMU) in Zusammenarbeit mit dem Inselspital Bern, der ETH Zürich und der Universität St. Gallen, könnte der Früherkennung niedriger Blutzuckerspiegel (Hypoglykämie) während des Autofahrens helfen. Die Studie, kürzlich im Fachmagazin NEJM AI veröffentlicht, präsentiert ein neuartiges maschinelles Lernmodell, das allein durch die Analyse von Fahrverhalten, Kopf- und Blickbewegungen hypoglykämische Phasen sicher erkennen kann.

Niedrige Blutzuckerwerte stellen für Diabetiker*innen insbesondere während kognitiv und motorisch anspruchsvollen Aufgaben wie dem Autofahren ein erhebliches Risiko dar. Bisherige Methoden zur Hypoglykämieerkennung sind jedoch durch lange Diagnosezeiten, Invasivität und hohe Kosten eingeschränkt. Die LMU-Studie sammelte Daten von 30 Diabetiker*innen, die ein echtes Fahrzeug steuerten, und entwickelte dann ein KI-Modell.

Das KI-Modell

Das Modell analysiert Fahrverhalten, Kopf- und Blickbewegungen, um hypoglykämische Phasen automatisch zu identifizieren. Simon Schallmoser, Doktorand am Institute of AI in Management der LMU, betont, dass diese Technologie als Frühwarnsystem im Auto dienen könnte. Das KI-Modell ermöglicht es Fahrer*innen, notwendige Maßnahmen zu ergreifen, bevor Hypoglykämie-Symptome ihre Fahrfähigkeiten beeinträchtigen.

Das ML-Modell schneidet auch bei Verwendung nur von Kopf- und Blickbewegungsdaten gut ab. Das könnte für die Zukunft selbstfahrender Autos von entscheidender Bedeutung sein. Prof. Stefan Feuerriegel, Leiter des Institute of AI in Management, betont: "Diese Studie zeigt nicht nur das Potenzial von KI zur Verbesserung der individuellen Gesundheitsversorgung, sondern auch ihre Rolle bei der Sicherheit im öffentlichen Straßenverkehr." 

Quelle: Ludwig-Maximilians-Universität München