Blutvergiftung frühzeitig mit KI erkennen
Die Wissenschaftler setzten in ihrer Studie das auf maschinellem Lernen basierende Frühwarnsystem TREWS (Targeted Real-time Early Warning System) ein. Mit diesem wurden während der Studie 590.736 Patienten in fünf Krankenhäusern überwacht.
Für die Analyse wurden die Daten von 6877 Patienten mit Sepsis verwendet, die durch den TREWS-Alarm vor Beginn der Antibiotikatherapie identifiziert wurden. Bei 4220 (61 %) dieser Patienten wurde der Alarm zeitnah, also innerhalb von drei Stunden ärztlich bestätigt (Studienarm), bei 2657 (39 %) nach mehr als drei Stunden (Vergleichsarm).
TREWS
Das TREW-System ist eine Künstliche Intelligenz, die basierend auf 54 Parametern, die bei Routine-Untersuchungen erhoben werden, gelernt hat, welche dieser Merkmale auf einen septischen Schock hinweisen.
Aus dieser Untergruppe von Merkmalen wird der TREW-Score abgeleitet, mit dem eine Sepsis voraussagt werden kann, bevor sich diese manifestiert.
Weniger Tote durch Frühwarnsystem
Im Studienarm starben deutlich weniger Patienten als im Vergleichsarm (Mortalitätsrate 14,6 vs. 19,2 %). Der Zustand der Patienten und das Ausmaß der Organschädigung im Verlauf einer Behandlung auf der Intensivstation waren bei den früh erkannten Sepsisfällen besser. Wer überlebte, musste weniger lange im Krankenhaus behandelt werden (6,6 vs. 8,1 d).
Auch nach Bereinigung der Daten unter anderem hinsichtlich demographischer Parameter (v. a. Alter), klinischer Vorgeschichte, Labormesswerte und Komorbiditäten blieb dieser Effekt bestehen.
Aus diesen Ergebnissen schlussfolgern die Forscher: Wird nach einem TREWS-Alarm die Diagnose zeitnah, also innerhalb von drei Stunden, bestätigt und eine entsprechende Therapie eingeleitet, verbessert dies die Prognose der Patienten.
Quelle: Ärzte Zeitung