Author:
Perschinka Fabian,Peer Andreas,Joannidis Michael
Abstract
ZusammenfassungDie Digitalisierung hält zunehmend Einzug auf den Intensivstationen und mit ihr die künstliche Intelligenz (KI) bei kritisch kranken Patient*innen. Ein vielversprechendes Gebiet für den Einsatz von KI liegt im Bereich der akuten Nierenschädigung (AKI). Hierbei beschäftigt sich KI derzeit noch vorwiegend mit der Prädiktion von AKI und vereinzelt mit der Klassifizierung bestehender AKI in verschiedene Phänotypen. In der Prädiktion kommen unterschiedliche KI-Modelle zum Einsatz. Die hiermit erreichten „Area-under-the-receiver-operating-characteristic-curve“-Werte (AUROC-WERTE) divergieren stark und werden von diversen Faktoren, wie dem Vorhersagezeitraum und der AKI Definition, beeinflusst. Die meisten Modelle weisen eine AUROC zwischen 0,650 und 0,900 auf, wobei bei Vorhersagen weiter in die Zukunft und dem Anwenden der „Acute-kidney-injury-network“-Kriterien (AKIN-Kriterien) niedrigere Werte vorliegen. Der Phänotypisierung gelingt es zwar bereits, Patient*innen in Gruppen mit unterschiedlichem Risiko für erhöhte Sterblichkeit oder Bedarf einer Nierenersatztherapie (RRT) einzuteilen, jedoch fehlen noch daraus abgeleitete Ätiologien und therapeutische Konsequenzen. All den unterschiedlichen Modellen liegen allerdings KI-spezifische Schwächen zugrunde. Der Einsatz von großen Datenbanken ermöglicht es nicht, zeitnah rezente Veränderungen in der Therapie und die Implementierung neuer Biomarker in einem aussagekräftigen Anteil zu enthalten. Aus diesem Grund dominieren Serumkreatinin und Harnzeitvolumen die aktuellen KI-Modelle und führen mit den bekannten Limitationen zu einer Begrenzung der Performance der derzeitigen Modelle. Die immer komplexer werdenden Modelle ermöglichen es den Ärzt*innen nicht mehr nachzuvollziehen, auf welcher Grundlage die Warnung eines bevorstehenden AKI errechnet wird und nachfolgend eine Therapieinitiierung stattfinden soll. Der erfolgreiche Einsatz von KI in der klinischen Routine wird maßgeblich vom Vertrauen der behandelnden Ärzt*innen in die Systeme und dem Überwinden der bereits genannten Schwächen geprägt sein. Als entscheidende Instanz wird der Kliniker/die Klinikerin bei kritisch kranken Patient*innen durch das Vereinen von messbaren mit nichtmessbaren Parametern allerdings unersetzlich bleiben.
Funder
University of Innsbruck and Medical University of Innsbruck
Publisher
Springer Science and Business Media LLC
Cited by
3 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献
1. Advances in critical care nephrology through artificial intelligence;Current Opinion in Critical Care;2024-09-02
2. Neueste Entwicklungen bei der akuten Nierenschädigung;Medizinische Klinik - Intensivmedizin und Notfallmedizin;2024-04-29
3. Künstliche Intelligenz in der Intensivmedizin;Medizinische Klinik - Intensivmedizin und Notfallmedizin;2024-03-28