Künstliche Intelligenz sagt Komplikationen nach Frühgeburt voraus

Frühgeborene mit einem sehr geringen Körpergewicht (VLBW Frühgeborene) haben ein gesteigertes Morbiditäts- und Mortalitätsrisiko. Konventionelle Tests, wie der CRIB I, CRIB II, SNAP-II und SNAPPE-II stellen die akute Krankheitsschwere dar, aber sagen zukünftige Komplikationen nur ungenau voraus. Die Studiengruppe um den Autoren Shu entwickelte mit maschinellem Lernen Algorithmen, die mit einer Area Under Receiver Operating Characteristic Curve (AUROC) von > 0,7 ihre Diskriminierungsfähigkeit bewiesen.

Fazit

Die zuverlässige Prädiktion zukünftiger Komplikationen und die Implementierung individueller vorbeugender Maßnahmen könne die medizinischen Ergebnisse von Frühgeborenen mit einem sehr geringen Geburtsgewicht verbessern, meinen Shu et al. Maschinelles Lernen führte zu aussagekräftigen Modellen, die zu einer effektiveren Präzisionsmedizin beitragen könnten.

Publikationsverlauf

Artikel online veröffentlicht:
02. Dezember 2025