Künstliche Intelligenz (KI) wird immer mehr zum Hilfsmittel in der medizinischen Diagnostik. Auch hier im Blog haben wir schon öfter darüber berichtet, etwa bei der Koloskopie, der Suche nach Markern für eine AML oder in der Augenheilkunde. Immer dort, wo es um das Erkennen von – mitunter gut versteckten – Mustern geht, spielt KI ihre Stärke aus.
Akutes Nierenversagen (acute kidney injury, AKI) ist als schwerwiegende Komplikation ein unabhängiger Risikofaktor für die Morbidität und Mortalität nach einer kardiothorakalen Operation. Bei dem multifaktoriellen Geschehen spielen der beeinträchtigte Nierenblutfluss und der kardiopulmonale Bypass eine wichtige Rolle. Messbar ist v.a. ein deutlicher Anstieg des Serumkreatinins, dann ist aber schon vieles aus dem Ruder gelaufen.
Letzte Woche erschien in Nature Digital Medicine ein Beitrag, der über eine KI-basierte Echtzeitvorhersage für akutes Nierenversagen berichtet. Ein Team am Deutschen Herzzentrum Berlin (DHZB) hat dort ein rekurrentes neuronales Netzwerk (RNN) mit 96 routinemäßig auf Intensivstationen erhobenen Parametern trainiert. Dazu hatte man aus mehr als 15.000 Datensätzen 350 „Trainingssätze“ ausgewählt.
Die Leistung des Modells wurde dann mit der von erfahrenen Klinikern verglichen. Das RNN übertraf die Kliniker signifikant und hatte war mit einer „area under curve“ (AUC) von 0,901 insgesamt sehr zuverlässig. Das war bei den menschlichen Kollegen nicht immer der Fall, die das Risiko systematisch unterschätzten (AUC 0,745, p <0,001). Die Autoren betonen, dass ein solches Netzwerk dazu beitragen kann, eine AKI frühzeitig zu erkennen und damit die perioperative Versorgung zu verbessern.
