Maschinelles Lernen: Entscheidungshilfe in der HIE-Versorgung

Die hypoxisch-ischämische Enzephalopathie (HIE) ist weltweit eine der Hauptursachen für neonatale Morbidität und Mortalität. Bislang stellt die therapeutische Hypothermie (TH) die einzige klinisch etablierte Strategie zur Minderung neurologischer Folgeschäden dar. Dabei ist ein Therapiebeginn innerhalb der ersten sechs Lebensstunden entscheidend. Die Diagnose einer HIE und die Entscheidung zur Einleitung von TH stellen jedoch eine klinische Herausforderung dar. Der Einsatz maschineller Lernverfahren könnte dabei helfen, betroffene Neugeborene anhand routinemäßig erhobener Parameter frühzeitig zu identifizieren.

Fazit

Die Autorengruppe schlussfolgert, dass die frühzeitige Erkennung aller potenziell gefährdeten HIE-Fälle in der klinischen Praxis oberste Priorität hat. Daher sprechen sie sich bevorzugt für den Einsatz des RF-Modells aus. Dieses Modell kann dabei helfen, gezielte klinische Untersuchungen und eine rechtzeitige Verlegung in ein spezialisiertes Zentrum zu veranlassen und so frühzeitige Interventionen zu ermöglichen.

Publication History

Article published online:
01 September 2025