Forscher entwickeln KI-gestützte Methode zur schnelleren Diagnose von Lungeninfektionen

Forscher entwickeln KI-gestützte Methode zur schnelleren Diagnose von Lungeninfektionen

Lungeninfektionen wie Lungenentzündung gehören zu den häufigsten Todesursachen weltweit – ihre Diagnose ist jedoch bekanntermaßen schwierig.

Jetzt haben Forscher an der UC San Francisco einen Weg gefunden, diese Infektionen bei kritisch kranken Patienten zu identifizieren, indem sie eine generative KI-Analyse von Krankenakten mit einem Biomarker für Infektionen der unteren Atemwege kombinieren.

In einer Beobachtungsstudie an kritisch kranken Erwachsenen stellte die Kombination in 96 Prozent der Fälle eine korrekte Diagnose und unterschied genauer zwischen infektiösen und nichtinfektiösen Ursachen für Atemversagen als Ärzte auf der Intensivstation. Die Autoren schätzten, dass dieses Modell, wenn es bei der Aufnahme der Patienten verfügbar gewesen wäre, den unangemessenen Einsatz von Antibiotika um mehr als 80 % hätte reduzieren können.

„Wir haben eine Methode entwickelt, die viel schneller Ergebnisse liefert als eine Kultur, und sie könnte leicht in der Klinik implementiert werden“, sagte Dr. Chaz Langelier, außerordentlicher Professor für Medizin und leitender Autor der am 16. Dezember veröffentlichten Studie Naturkommunikation.

Wir sind zuversichtlich, dass dies zu einer schnelleren Diagnose führen und den unnötigen Einsatz von Antibiotika reduzieren könnte.“

Chaz Langelier, außerordentlicher Professor für Medizin, University of California – San Francisco

Ein wichtiges Merkmal des Modells ist der Biomarker, den Langeliers Team 2023 entwickelt hat. Sie fanden heraus, dass es sich um ein Gen handelt, das Entzündungen moduliert, genannt FABP4könnte zur Diagnose einer Infektion beitragen, da es in Immunzellen im Vergleich zu normalen Lungenzellen weniger exprimiert wird.

In der aktuellen Studie wurden Daten von zwei Gruppen kritisch erkrankter Patienten untersucht: 98 wurden vor der COVID-19-Pandemie rekrutiert und die meisten hatten bakterielle Infektionen; 59 wurden während der Pandemie rekrutiert und die meisten hatten Virusinfektionen, einschließlich COVID-19.

Zuerst testeten sie jede Methode einzeln – FABP4 Biomarker oder KI – und fanden heraus, dass jeder von ihnen in etwa 80 % der Fälle die richtige Diagnose gestellt hat. Anschließend verglichen die Forscher die Ergebnisse des Modells mit den Diagnosen der Ärzte, die die Patienten auf die Intensivstation des Krankenhauses aufgenommen hatten.

Diese Ärzte verschrieben den meisten dieser Patienten Antibiotika zur Behandlung einer Lungenentzündung, während das Biomarker-plus-KI-Modell bei der Diagnose einer Lungenentzündung viel vernünftiger war.

Um die Genauigkeit des Modells weiter zu testen, verglich das Team die Art und Weise, wie die KI die Krankenakten analysierte, mit der Art und Weise, wie drei verschiedene Ärzte, die auf Innere Medizin und Infektionskrankheiten spezialisiert sind, sie analysierten. Die KI wurde von GPT4 auf einer an der UCSF entwickelten Datenschutzplattform durchgeführt.

Beide erhielten ungefähr die gleiche Anzahl richtiger Diagnosen, aber die KI legte mehr Wert auf radiologische Berichte über die Röntgenaufnahmen des Brustkorbs, während sich die Ärzte auf klinische Notizen konzentrierten.

„Es zeigte fast einen kulturellen Unterschied, wenn man das über eine KI sagen kann“, sagte Natasha Spottiswoode, MD, DPhil, Assistenzprofessorin für Medizin, eine der Erstautorinnen des Artikels. „Es zeigt, wie KI die Arbeit von Ärzten ergänzen kann.“

Das Team veröffentlichte seine KI-Eingabeaufforderungen in dem Papier und ermutigte Ärzte, sie auf ihren eigenen HIPAA-konformen KI-Plattformen auszuprobieren.

„Die Verwendung ist unglaublich einfach, man muss kein Bioinformatiker sein“, sagte Hoang Van Phan, PhD, der selbst Bioinformatiker und Erstautor der Arbeit ist.

Das Team validiert das Modell als klinischen Test. Als nächstes wenden sie sich der Sepsis zu, der häufigsten Todesursache im Krankenhaus, die bekanntermaßen auch schwer zu bestimmen ist.

Quellen: