06.10.2025

Neues KI-Modell sagt Frühgeburten mit hoher Genauigkeit voraus

Es gibt viele Risikofaktoren, die eine Frühgeburt begünstigen. Jedoch ist es schwer, für Schwangere ein individuelles Frühgeburtrisiko zu berechnen. Ein chinesisches Forscherteam hat nun ein KI-Modell entwickelt, das anhand von Blutproben mit 89%iger Genauigkeit eine Frühgeburt vorhersagen kann.

Eine Frühgeburt ist eine Geburt vor der vollendeten 37. Schwangerschaftswoche. Risikofaktoren hierfür umfassen mütterliche Erkrankungen wie Diabetes und Bluthochdruck, Infektionen, Mehrlingsschwangerschaften, vorangegangene Frühgeburten, Rauchen und Alkohol, fortgeschrittenes mütterliches Alter, psychischen Stress und physische Belastungen. Die Veranlagung für obige Risikofaktoren kann erblich bedingt sein. Zudem können externe Risikofaktoren Körperreaktionen und -veränderungen provozieren, die sogenannte RNA-Spuren hinterlassen. RNA entsteht überwiegend, wenn Gene (DNA) abgelesen werden und beispielswiese als Bauplan (RNA) für ein Stresshormon dienen. 

Verräterische Spuren im Blut

Prof. Hefeng Huang von der Zhejiang Universität und ihr Team kooperierten mit zwei Biotechunternehmen, um eine KI-Modell zur Vorhersage von Frühgeburten zu trainieren. Hierzu analysierten sie DNA- und RNA-Spuren in Blutproben von 672 Frauen in der frühen oder späten Schwangerschaft, von denen 198 am Ende eine Frühgeburt hatten.

Insgesamt fanden sich rund 3.700 Gene, die vor Frühgeburten verstärkt aktiv waren. Während sich rund 280 Gene fanden, deren Aktivität vor Frühgeburten abgeschwächt war. Zudem fielen vor einer Frühgeburt rund 4.225 verschiedene Interaktionspaare zwischen RNA-Bruchstücken auf. Mit den gewonnenen Daten trainierte das Team ein KI-Modell, um in der Vielfalt an DNA- und RNA-Signalen relevante Zusammenhänge und Muster zu erkennen, die mit hoher Wahrscheinlichkeit auf eine Frühgeburt hinweisen.

Frühgeburt mit hoher Genauigkeit vorhersagbar

Das trainierte KI-Modell war schließlich in der Lage mit bis zu 89%iger-Genauigkeit eine Frühgeburt vorherzusagen. Das Forscherteam will sein KI-Modell weiter verbessern und neben DNA und RNA weitere Biomarker (Stoffwechselprodukte, Proteine) berücksichtigen. Hierfür will das Team 240.000 biologische Proben von über 17.000 Schwangeren nutzen, die seit 2022 an einer großen Geburtenstudie in China teilnahmen.

Quelle: Zhou S et al. A novel sequence-based transformer model architecture for integrating multi-omics data in preterm birth risk prediction. npj Digital Medicine (2025). DOI: 10.1038/s41746-025-01942-2