KI erkennt Alzheimer im Frühstadium mit 97 Prozent

Ein KI-Modell mit weniger als 1 Megabyte Speicher erkennt Alzheimer in EEG-Aufnahmen mit 97 Prozent Genauigkeit. Das belegt eine Studie in den Scientific Reports aus dem Jahr 2026. Gleichzeitig hat die Alzheimer Forschung Initiative (AFI) in ihrer bisher größten Förderrunde 18 neue Forschungsprojekte mit 2,45 Millionen Euro finanziert. Der Schwerpunkt: Früherkennung per KI, lange bevor Betroffene die ersten Symptome bemerken.

Das Problem: Alzheimer wird zu spät erkannt

In Deutschland leben rund 1,8 Millionen Menschen mit Alzheimer oder einer anderen Demenzform. Eine heilende Therapie gibt es nicht. Was es gibt: Möglichkeiten, den Verlauf im Frühstadium zu verlangsamen. Dafür muss die Krankheit früh erkannt werden, möglichst bevor irreversible Schäden im Gehirn entstehen.

Die etablierten Diagnosewerkzeuge sind aufwendig. Ein PET-Scan zum Nachweis von Amyloidplaques im Gehirn kostet mehrere tausend Euro und ist nicht flächendeckend verfügbar. Eine Liquorpunktion, bei der Hirnwasser aus dem Rückenmark entnommen wird, ist für viele Patienten belastend. Beide Verfahren werden in der Routine kaum eingesetzt, bevor eindeutige Symptome vorliegen.

Das Modell: 1.609 Parameter, 97 Prozent Treffer

Das Forscherteam hinter der Studie in den Scientific Reports kombinierte ein Temporal Convolutional Network mit einem Gedächtnisnetz vom Typ Long Short-Term Memory. Das Ergebnis: ein Modell mit nur 1.609 Parametern und weniger als einem Megabyte Speicherbedarf, das EEG-Aufnahmen in Echtzeit analysiert und Alzheimer mit 97,1 Prozent Genauigkeit erkennt. Bisherige EEG-basierte Ansätze erreichten 70 bis 80 Prozent.

Besonders relevant ist die Fähigkeit zur Differenzierung: Das Modell unterscheidet nicht nur zwischen gesunden Probanden und Erkrankten, sondern trennt auch Alzheimer von frontotemporaler Demenz. Das ist klinisch bedeutsam, weil beide Krankheitsbilder unterschiedliche Verläufe haben und verschiedene Therapieansätze erfordern.

Eine zweite Variante des Modells setzt auf Federated Learning: Mehrere Kliniken trainieren das System gemeinsam, ohne Patientendaten auszutauschen. Die globale Modellleistung liegt dabei bei 96,9 Prozent, datenschutzkonform und praxisnah. Das Konzept erlaubt es, auch kleinere Kliniken in das Training einzubeziehen, ohne medizinische Daten zu zentralisieren.

18 Projekte, 11 Städte, eine Förderstrategie

Die Alzheimer Forschung Initiative hat die 18 neuen Projekte durch ein internationales Begutachtungsverfahren ausgewählt. Beteiligt sind Universitäten und Forschungseinrichtungen in Berlin, Bonn, Düsseldorf, Freiburg, Hamburg, Heidelberg, Köln, Magdeburg, Mainz, München und Rostock. Die 2,45 Millionen Euro sind die größte Fördersumme, die AFI je in einer einzigen Runde bereitgestellt hat.

Die geförderten Projekte decken drei Bereiche ab: Ursachenforschung, neue Diagnosemethoden und Ansätze zur Prävention sowie Therapie. Damit positioniert sich Deutschland bewusst in einem internationalen Forschungswettbewerb, in dem auch die USA, China und Südkorea massiv in KI-gestützte Medizindiagnostik investieren.

Auf europäischer Ebene läuft parallel das Projekt Predictom, das MRT-Aufnahmen, EEG-Muster und digitale Sprachanalysen zu einem multimodalen Risikoprofil kombiniert. Die Idee: Nicht ein einzelnes Signal, sondern die Kombination mehrerer Biomarker soll die Vorhersagegenauigkeit weiter steigern.

Prävention statt Medikamente

Die KI-Früherkennung verfolgt einen anderen Ansatz als die neuen Alzheimer-Medikamente, die zuletzt in die Kritik geraten sind. Eine Überblicksanalyse über 20.000 Patienten zeigte, dass Lecanemab und Donanemab den klinischen Verfall zwar um rund 30 Prozent verlangsamen, absolut betrachtet aber nur wenige Monate Unterschied machen. Der Gemeinsame Bundesausschuss (G-BA) stellte für Lecanemab im Februar 2026 keinen belegten Zusatznutzen gegenüber Standardtherapien fest.

KI-Früherkennung setzt früher an: Wer die Krankheit erkennt, bevor schwere Schäden entstehen, kann Lebensstiländerungen einleiten, an Präventionsstudien teilnehmen und gegebenenfalls frühzeitig Medikamente erhalten, die im fortgeschrittenen Stadium wirkungslos sind. Für die rund 300.000 Personen, die in Deutschland jedes Jahr neu an Alzheimer erkranken, könnte frühere Diagnose konkrete Konsequenzen haben.

Was noch fehlt bis zur Praxis

Der Weg vom Labor in die Hausarztpraxis ist lang. Die Studie in den Scientific Reports wurde an kontrollierten Datensätzen validiert, nicht in der klinischen Routine. Bis ein EEG-basiertes KI-Screening als anerkannte Kassenleitlinie gilt, sind weitere klinische Studien nötig. Patientenverbände haben öffentlich eine schnellere Integration in die hausärztliche Versorgung gefordert, die Kapazitäten für EEG-Messungen im Routinebetrieb sind jedoch begrenzt.

Die langfristige Vision ist klarer: tragbare EEG-Headsets, kombiniert mit datenschutzkonformen KI-Modellen, könnten Demenzscreening so zugänglich machen wie die Blutdruckmessung zu Hause. Die 18 AFI-Projekte laufen über drei Jahre. Erste Zwischenergebnisse werden Ende 2026 erwartet, die abschließenden Ergebnisse sollen bis 2027 in begutachteten Fachzeitschriften veröffentlicht werden. Bis dahin bleibt offen, welche der geförderten Ansätze tatsächlich klinisch umsetzbar sind.