Künstliche Intelligenz verbessert die Vorhersage von Mortalität nach Herztransplantationen
Ein aktueller systematischer Review, veröffentlicht in Frontiers in Artificial Intelligence, beleuchtet die wachsende Rolle von maschinellem Lernen (ML) bei der Vorhersage der Mortalität nach Herztransplantationen (HT). Ziel der Studie war es, die Genauigkeit verschiedener ML-Algorithmen zu bewerten und ihre klinische Anwendbarkeit zu untersuchen. Hintergrund und MethodikHerztransplantationen sind lebensrettende Eingriffe für Patienten mit schwerer Herzinsuffizienz, jedoch mit hohen Risiken wie Abstoßung oder Infektionen verbunden. Traditionelle Risikomodelle wie der Donor Risk Index (DRI) oder das IMPACT-Modell bieten zwar Unterstützung, stoßen jedoch an ihre Grenzen bei der Berücksichtigung komplexer individueller Faktoren. Hier setzt ML an, indem es große Datenmengen analysiert und nicht-lineare Muster erkennt. Die Studie umfasste 17 Arbeiten, von denen 12 in eine Meta-Analyse einbezogen wurden. Bewertet wurde die Leistung von Algorithmen wie Random Forest (RF), CatBoost und neuronalen Netzen anhand des AUC-Werts (Area Under the Curve), einem Maß für die Vorhersagegenauigkeit.…
