Wenn Patienten nach einem Herzstillstand versorgt werden, können Ärzte jetzt – durch die Eingabe von Patientendaten in eine webbasierte App – herausfinden, wie es Tausenden ähnlicher Patienten ergangen ist. Forscher der Universität Göteborg haben drei solcher Systeme zur Entscheidungsunterstützung bei Herzstillstand entwickelt, die in Zukunft die Arbeit von Ärzten entscheidend verändern könnten.
Eines dieser Tools zur Entscheidungsunterstützung (SCARS-1), das jetzt veröffentlicht wurde, kann kostenlos von der Website von Gothenburg Cardiac Arrest Machine Learning Studies heruntergeladen werden. Die Ergebnisse des Algorithmus müssen jedoch von Personen mit den richtigen Fähigkeiten interpretiert werden. Die KI-basierte Entscheidungsunterstützung breitet sich in vielen Bereichen des Gesundheitswesens stark aus, und es werden umfangreiche Diskussionen darüber geführt, wie Pflegedienste und Patienten gleichermaßen am meisten davon profitieren können.
Die App greift auf Daten aus dem schwedischen Register für Herz-Lungen-Wiederbelebung zu Zehntausenden von Patientenfällen zu. Die Forscher der Universität Göteborg haben eine fortschrittliche Form des maschinellen Lernens verwendet, um klinischen Vorhersagemodellen beizubringen, verschiedene Faktoren zu erkennen, die frühere Ergebnisse beeinflusst haben. Die Algorithmen berücksichtigen zahlreiche Faktoren, die beispielsweise den Herzstillstand, die durchgeführte Behandlung, Vorerkrankungen, Medikation und den sozioökonomischen Status betreffen.
Neue evidenzbasierte Methoden
Es wird einige Jahre dauern, bis offizielle Empfehlungen für einen Herzstillstand wahrscheinlich KI-basierte Entscheidungsunterstützung beinhalten werden, aber Ärzten steht es frei, diese Vorhersagemodelle und andere neue, evidenzbasierte Methoden zu verwenden. Die Forschungsgruppe, die an der Entscheidungsunterstützung bei Herzstillstand arbeitet, wird von Araz Rawshani geleitet, einem Forscher an der Sahlgrenska Academy der Universität und niedergelassener Arzt für Kardiologie am Sahlgrenska University Hospital.
„Sowohl ich als auch mehrere meiner Kollegen, die Notfallpatienten mit Herzstillstand behandeln, haben bereits damit begonnen, die Vorhersagemodelle als Teil unseres Prozesses zur Entscheidung über die Pflegestufe zu verwenden. Die Antwort dieser Tools bedeutet oft, dass wir unsere Ansichten bestätigen bereits erreicht. Dennoch hilft es uns, Patienten keiner schmerzhaften Behandlung zu unterziehen, von der es sehr unwahrscheinlich ist, dass sie von Nutzen für den Patienten ist, und gleichzeitig Pflegeressourcen zu sparen“, sagt Rawshani.
Sehr genau
Bisher hat die Forschungsgruppe zwei Tools zur Entscheidungsunterstützung veröffentlicht. Ein klinisches Vorhersagemodell, bekannt als SCARS-1, wird in vorgestellt Die Lancet eBioMedizin Tagebuch. Dieses Modell gibt an, ob ein neuer Patientenfall anderen früheren Fällen ähnelt, in denen Patienten 30 Tage nach ihrem Herzstillstand überlebt haben oder gestorben sind. Die Genauigkeit des Modells ist ungewöhnlich hoch. Allein auf Basis der zehn wichtigsten Faktoren hat das Modell eine Sensitivität von 95 Prozent und eine Spezifität von 89 Prozent. Der „AUC-ROC-Wert“ (ROC ist die Empfängerbetriebskennlinie für das Modell und AUC die Fläche unter der ROC-Kurve) beträgt für dieses Modell 0,97. Der höchstmögliche AUC-ROC-Wert liegt bei 1,0 und der Schwellenwert für ein klinisch relevantes Modell bei 0,7.
Ein Teil des Puzzles
Diese Entscheidungshilfe wurde von Fredrik Hessulf, Doktorand an der Sahlgrenska Academy, Universität Göteborg, und Anästhesist am Sahlgrenska University Hospital/Mölndal, entwickelt.
„Diese Entscheidungshilfe ist eines von mehreren Teilen in einem großen Puzzle: der Gesamtbeurteilung eines Patienten durch den Arzt. Bei der Entscheidung, ob eine Herz-Lungen-Wiederbelebung durchgeführt werden soll, müssen viele verschiedene Faktoren berücksichtigt werden. Es ist eine sehr anspruchsvolle Behandlung, der wir uns nur widmen sollten.“ Patienten, die davon profitieren und nach ihrem Klinikaufenthalt ein für sich selbst wertvolles Leben führen können“, sagt Hessulf.
Diese Form der Unterstützung basiert auf 393 Faktoren, die die Chancen der Patienten beeinflussen, ihren Herzstillstand 30 Tage nach dem Ereignis zu überleben. Die hohe Genauigkeit des Modells lässt sich durch die große Anzahl von Patientenfällen (etwa 55.000), auf denen der Algorithmus basiert, und die Tatsache erklären, dass zehn der fast 400 Faktoren einen starken Einfluss auf das Überleben haben. Der mit Abstand wichtigste Faktor war, ob das Herz nach Aufnahme des Patienten in die Notaufnahme wieder einen lebensfähigen Herzrhythmus hatte.
Gefahr eines erneuten Herzstillstands
Das zweite veröffentlichte Entscheidungshilfe-Tool wurde in der Zeitschrift Resuscitation vorgestellt. Dieses Tool basiert auf Daten von Patienten, die ihren außerklinischen Herzstillstand bis zu ihrer Entlassung aus dem Krankenhaus überlebt haben. Die Vorhersagemodelle basieren auf 886 Faktoren in 5098 Patientenfällen aus dem schwedischen Register für kardiopulmonale Reanimation. Dieses Tool soll Ärzten teilweise dabei helfen, festzustellen, bei welchen Patienten innerhalb eines Jahres nach der Entlassung aus dem Krankenhaus nach ihrem Herzstillstand das Risiko eines weiteren Herzstillstands oder Todes besteht. Außerdem soll aufgezeigt werden, welche Faktoren für das Langzeitüberleben nach einem Herzstillstand wichtig sind – ein wenig erforschter Aspekt des Fachgebiets.
„Die Genauigkeit dieses Tools ist recht gut. Es kann mit etwa 70-prozentiger Zuverlässigkeit vorhersagen, ob der Patient innerhalb eines Jahres sterben oder einen weiteren Herzstillstand erleiden wird. Wie Fredriks Tool hat auch dieses den Vorteil, dass nur wenige Faktoren berücksichtigt werden kann das Ergebnis fast so gut vorhersagen wie das Modell mit mehreren hundert Variablen“, sagt Gustaf Hellsén, der Forschungsarzt, der dieses Entscheidungsunterstützungstool entwickelt hat.
„Wir hoffen“, fährt er fort, „dass es gelingt, dieses Vorhersagemodell weiterzuentwickeln, um seine Genauigkeit zu erhöhen. Schon heute kann es Ärzten dabei helfen, Faktoren zu identifizieren, die einen wichtigen Einfluss auf das Überleben von Herzstillstandspatienten haben.“ aus dem Krankenhaus entlassen werden.“