Forscher in den USA haben einen Algorithmus für künstliche Intelligenz entwickelt, der elektronische Gesundheitsakten (EHRs) durchsuchen und Ärzten dabei helfen kann, nicht diagnostizierte Fälle von Long-COVID zu erkennen.
Neben der Identifizierung von Personen, die wegen der möglicherweise schwächenden Erkrankung behandelt werden sollten, könnte der Algorithmus auch dazu verwendet werden, die genetischen und biochemischen Faktoren zu finden, die hinter der immer noch rätselhaften Erkrankung stehen, die eine Reihe von Symptomen verursacht, darunter extreme Müdigkeit und Kurzatmigkeit , Brustschmerzen, Gedächtnisprobleme, Schlafstörungen, Herzklopfen und Schwindel.
Nach Angaben der US-amerikanischen Zentren für die Kontrolle und Prävention von Krankheiten (CDC) haben etwa 7,5 % der erwachsenen Bevölkerung der USA Symptome von Long-COVID, was 24,75 Millionen Menschen entspricht.
Der neue Algorithmus – entwickelt von Forschern bei Mass General Brigham und veröffentlicht in der Zeitschrift Med – wurde anhand anonymisierter Daten aus EHRs von fast 300.000 Patienten in 14 Krankenhäusern und 20 kommunalen Gesundheitszentren trainiert.
Es verwendet einen als „Präzisionsphänotypisierung“ bekannten Ansatz, der individuelle Aufzeichnungen durchsucht, um Symptome und Zustände im Zusammenhang mit COVID-19 zu identifizieren und sie im Laufe der Zeit zu verfolgen, um sie von anderen Krankheiten wie Asthma oder Herzinsuffizienz zu unterscheiden. Der Algorithmus identifizierte dem Papier zufolge eine Kohorte von über 24.000 Patienten mit einer Genauigkeit von 79,9 % und legte außerdem nahe, dass das Risiko einer langen COVID-Erkrankung mit nachfolgenden Infektionen zunimmt.
„Unser KI-Tool könnte einen unklaren diagnostischen Prozess in etwas Scharfes und Konzentriertes verwandeln und Klinikern die Möglichkeit geben, eine schwierige Erkrankung zu verstehen“, sagte der leitende Autor Hossein Estiri, Leiter der KI-Forschung am Zentrum für KI und biomedizinische Informatik von das Learning Healthcare System (CAIBILS) bei Mass General Brigham sowie außerordentlicher Professor für Medizin an der Harvard Medical School.
„Mit dieser Arbeit könnten wir endlich in der Lage sein, Long-COVID als das zu erkennen, was es wirklich ist – und, was noch wichtiger ist, wie man es behandelt“, fuhr er fort und stellte fest, dass die KI etwa 3 % genauer zu sein scheint als aktuelle Diagnoseansätze basiert auf dem Code der Internationalen Klassifikation von Krankheiten für langes COVID (ICD-10), ist aber, was noch wichtiger ist, weniger anfällig für Verzerrungen.
Insbesondere werden bei Diagnosen von Patienten, die ICD-10 verwenden, tendenziell Personen mit besserem Zugang zur Gesundheitsversorgung begünstigt, wodurch weniger glückliche Menschen benachteiligt werden, sodass das KI-Tool dazu beitragen könnte, Ungleichheiten in der Versorgung zu verringern.
„Dieser breitere Anwendungsbereich stellt sicher, dass marginalisierte Gemeinschaften, die in klinischen Studien oft außen vor bleiben, nicht länger unsichtbar sind“, sagte Estiri.
Long-COVID – oder postakute Folgen von COVID-19 (PASC), um den wissenschaftlichen Begriff zu verwenden – könnte den Forschern zufolge auch weitaus häufiger auftreten als von der CDC geschätzt. Ihre Arbeit legt nahe, dass die Zahl bei 22,8 % liegen könnte, was nicht allzu weit von der Schätzung des National Center for Health Statistics von 24 % für Massachusetts entfernt ist, die auf Daten für 2022–23 basiert.
Zukünftige Studien könnten den Algorithmus in Kohorten von Patienten mit bestimmten Erkrankungen wie chronisch obstruktiver Lungenerkrankung (COPD) oder Diabetes untersuchen. In der Zwischenzeit plant das Team, seinen Algorithmus frei zugänglich zu machen, damit er von anderen Gesundheitssystemen eingesetzt werden kann.
Bild von Gerd Altmann aus Pixabay
