KI-basierte Prognosemodelle - für die klinische Praxis nutzbar?
Prädiktionsmodelle umfassen ein großes Forschungsgebiet im Gesundheitswesen. Diese Modelle analysieren Daten, um die Wahrscheinlichkeit bestimmter Gesundheitsausgänge oder Ereignisse für Patientinnen und Patienten abzuschätzen. Sie können somit ein wertvolles Instrument in der personalisierten medizinischen Entscheidungsfindung sein, häufig werden sie auch als klinische (elektronische) Entscheidungsunterstützungssysteme bezeichnet. Man unterscheidet zwischen zwei Arten von Prädiktionsmodellen: Diagnosemodelle, die dabei helfen, das Vorliegen einer Krankheit zu bestimmen, und Prognosemodelle, die zukünftige Gesundheitsentwicklungen vorhersagen. In diesem Artikel konzentrieren wir uns auf Prognosemodelle, die Ärztinnen und Ärzten bei der Vorhersage von Krankheitsverläufen und -ausgängen unterstützen können.
Für viele medizinische Anwendungsbereiche gibt es bereits eine Vielzahl an verschiedenen Prognosemodellen. Beispiele für erfolgreiche Prognosemodelle sind der Framingham Risk Score, der das Risiko einer Herz-Kreislauf-Erkrankung vorhersagt,[1] und der EuroSCORE, der das Sterblichkeitsrisiko nach einer Herzoperation quantifiziert.[2] Diese Modelle sind etablierte Instrumente in der Praxis und teilweise auch als elektronische Version verfügbar, wie zum Beispiel der webbasierte Rechner auf der EuroSCORE-Website.[3]
Trotz der Fülle an existierenden Modellen konzentrieren sich Forschungsgruppen oft auf die Entwicklung neuer Modelle. So gibt es allein für den Bereich der Herz-Kreislauf-Erkrankungen über 360 Modelle (Stand 2022).[4] Was häufig fehlt, ist die Überlegung, wie diese Modelle in die klinische Praxis überführt werden können. Dies legen auch die Ergebnisse systematischer Reviews nahe: Sie zeigen, dass eine Vielzahl der entwickelten Modelle erhebliche Mängel hinsichtlich Transparenz, Reproduzierbarkeit, Übertragbarkeit und ethischen Fragen aufweisen, und kommen zu dem Schluss, dass erhebliche Bedenken für ihre Anwendung in der klinischen Praxis bestehen.[4,5,6] Um erfolgreich in die Praxis überführt zu werden, müssen Prognosemodelle daher bestimmte Gütekriterien erfüllen...
Aktuelle EbM-Kolumne weiterlesen