Adamichou C,
Genitsaridi I,
Nikolopoulos D.
et al.
Lupus or not? SLE Risk Probability Index (SLERPI): a simple, clinician-friendly
machine learning-based model to assist the diagnosis of systemic lupus
erythematosus.
Ann Rheum Dis 2021;
80: 758-766
Grundlage für die Entwicklung und das Training des maschinellen Lernmodells
(ML) bildete eine Kohorte aus je 401 Patienten mit SLE bzw. anderen
rheumatologischen Erkrankungen aus den rheumatologischen Abteilungen der
Universitätskliniken in Heraklion und Athen. An einer weiteren Gruppe,
bestehend aus 512 SLE- bzw. 143 Kontrollpatienten, wurde das Modell dann
validiert.
Das mit den Daten der Trainingskohorte entwickelte Modell umfasste Diagnosekriterien
der European League against Rheumatism (EULAR), des American College of Rheumatology
(ACR) und der Systemic Lupus International Collaborating Clinics (SLICC) sowie
interstitielle Lungenerkrankungen (ILD) als zusätzlichen
SLE-Prädiktor. In der Validierungskohorte zeigte sich dann, dass mit Hilfe
dieses Modells ausgezeichnet zwischen tatsächlich positiven und falsch
positiven SLE-Fällen differenziert werden kann.
Aus dem Modell bildeten die Autoren vier Risikogruppen mit unterschiedlichen
SLE-Wahrscheinlichkeiten: von 0–14% (SLE unwahrscheinlich) bis
87–100% (SLE definitiv). Die Erkrankungswahrscheinlichkeit
korrelierte positiv mit der Zunahme von Erkrankungsschwere und Organschäden;
Patienten der niedrigen Risikogruppen (0–14%,
15–43%) litten unter einer milderen Verlaufsform des SLE.
Um das Modell auch für die klinische Praxis nutzbar zu machen, wandelten es
Adamichou und ihre Kollegen in ein einfaches Punktesystem
(SLE-Risk-Probability-Index/SLERPI) um. Jedes der insgesamt 14
Modell-Kriterien (Autoimmun-Thrombozytopenie/hämolytische
Anämie, Schmetterlingserythem/makulopapulöse
Veränderungen, kutaner/diskoider SLE, Alopezie, Schleimhautulzera,
Arthritis, Serositis, Leukozytopenie < 4000/µl,
neurologische Symptome, Proteinurie, ANA-Antikörper, niedriges
C3/C4, ILD, immunologische ACR-Kriterien) erhielt also einen Punktwert
zwischen 1 und 4,5 (insgesamt 30,5). Ein SLE kann ab einem Schwellenwert von mehr
als 7 Punkten diagnostiziert werden; Sensitivität, Spezifität und
Genauigkeit liegen dabei bei 94,2, 94,4 und 94,2%.
Mit dem hier vorgestellten Modell kann ein SLE nicht nur ausgeschlossen oder
bestätigt werden, sondern es ermöglicht auch eine Selektion von
Patienten mit mittleren Wahrscheinlichkeiten. Der SLERPI ist einfach zu
handhaben und interpretieren und ließe sich leicht in die klinische
Praxis integrieren. Auch wenn die endgültige Diagnose natürlich
letztlich den behandelnden Ärzten obliegt und das Modell noch in
weiteren Kohorten validiert werden muss, könnte es so schon jetzt eine
frühzeitige SLE-Diagnose ermöglichen und so
möglicherweise das Outcome betroffener Patienten verbessern.
Stephanie Gräwert, Leipzig
