Auf künstlicher Intelligenz basierende Ansätze zur Diagnostik von Nahrungsmittelunverträglichkeiten

Weltweit ist eine zunehmende Prävalenz von unerwünschten Reaktionen auf Nahrungsmittel (englisch: „adverse reaction to food“, ARF) zu beobachten. Diese ARF können sowohl einen immunologischen als auch einen nichtimmunlogischen Hintergrund haben. Dies ist nicht nur für die Diagnostik, sondern auch für die Therapie relevant. Im klinischen Alltag ist eine exakte Einordung von ARF-Patienten mitunter herausfordernd, da die Symptome häufig unspezifisch sind und zwischen den einzelnen ARF-Untergruppen überlappen können. Darüber hinaus fehlen geeignete Diagnoseverfahren, die bei vertretbarem Ressourcenaufwand eine ausreichende Sensitivität und Spezifität besitzen. Der Einsatz von künstlicher Intelligenz (KI) könnte eine Methode sein, um die Diagnose von ARF zukünftig zu verbessern. So legen erste Studien nahe, dass durch den Einsatz von KI u. a. sowohl das individuelle Risiko, an einer Nahrungsmittelallergie zu erkranken, als auch das Allergiepotenzial von neuen Nahrungsproteine mit hoher Sicherheit vorhergesagt werden kann. Diese und weitere Beispiele für einen erfolgreichen Einsatz von KI-Anwendungen in der Diagnostik von ARF sind ermutigend und sollten einen Anreiz für weitere Studien bieten.