In einem fiktiven Fall kommt ein 68-jähriger Mann mit Diabetes und chronischer Nierenerkrankung (CKD) zur Konsultation mit einer neuen Zahl im Laborbefund: einem Risiko von 24 Prozent, innerhalb von fünf Jahren Dialyse oder Transplantation zu benötigen. In der folgenden Woche, stationär aufgenommen für eine Operation, erscheint er auf einer Liste "hohes Risiko für akute Nierenschädigung", die von einem Algorithmus der elektronischen Patientenakte erzeugt wurde. Es sind zwei Vorhersagen über dieselbe Niere, erstellt von sehr unterschiedlichen Werkzeugen.

Die erste stammt aus der Kidney Failure Risk Equation (KFRE), einer Gleichung mit vier Variablen, die bereits in mehr als 30 Ländern validiert wurde (Tangri et al., 2016). Die zweite stammt aus einem Modell des maschinellen Lernens, der Werkzeugfamilie, die heute das Etikett künstliche Intelligenz (KI) erhält. Beide Arten versprechen dasselbe: warnen, bevor die Niere versagt.

Dieser Text zeigt, was jedes Werkzeug bereits bewiesen hat, was noch ein Versprechen ist und welche Fragen man stellen sollte, bevor man einer Risikozahl vertraut. Der Fokus liegt auf drei Ideen: Diskrimination, Kalibrierung und klinischer Nutzen.

Die wichtigsten Punkte

• Die KFRE mit vier Variablen verwendet Alter, Geschlecht, geschätzte glomeruläre Filtration und das Albumin-Kreatinin-Verhältnis im Urin (Tangri et al., 2016).
• In 31 Kohorten aus mehr als 30 Ländern unterschied die KFRE gut, wer ein Nierenversagen erreichen würde, überschätzte das Risiko aber in einem Teil der Kohorten außerhalb Nordamerikas (Tangri et al., 2016).
• Gut zu diskriminieren und gut kalibriert zu sein sind unterschiedliche Eigenschaften, und die individuelle Anwendung eines Modells erfordert beides (Huang et al., 2020).
• Ein Modell des tiefen Lernens sagte 55,8 Prozent der Episoden akuter Nierenschädigung bis zu 48 Stunden im Voraus vorher, zum Preis von zwei falschen Alarmen für jeden richtigen (Tomašev et al., 2019).
• Wird ein Modell für akute Nierenschädigung in andere Krankenhäuser gebracht, verliert es tendenziell an Leistung (Song et al., 2020).
• In randomisierten Studien änderten automatische Warnungen für akute Nierenschädigung das Vorgehen, verbesserten aber nicht die Ergebnisse für die Patienten (Wilson et al., 2021; Li et al., 2024).
• Die WHO fordert, dass Ethik und Menschenrechte im Zentrum der Gestaltung und Nutzung von KI im Gesundheitswesen stehen (WHO, 2021).

Übersicht

• Warum die Niere vorhersagen, bevor sie versagt
• Die KFRE: vier Variablen, Diskrimination und Kalibrierung
• Die KFRE in der Grundversorgung und im Screening
• Maschinelles Lernen bei AKI und die externe Validierung
• Warnungen allein genügen nicht: was die Studien zeigen
• Ethik, Gerechtigkeit und Governance
• Wie man ein Modell bewertet, bevor man ihm vertraut
• Wie NEXO hilft, dieses Denken zu trainieren
• Häufige Fragen
• Take-home messages

Warum die Niere vorhersagen, bevor sie versagt

Zwei Probleme, zwei Zeitskalen

Die CKD entwickelt sich über Jahre, und die klinische Frage ist, wer Dialyse oder Transplantation benötigen wird und wann. Die CKD nimmt in Inzidenz und Prävalenz weltweit zu, und zu erkennen, wer ein Progressionsrisiko hat, kann die nephrologische Versorgung verbessern (Tangri et al., 2016). Die Erkrankung anhand der Filtration und der Albuminurie einzustufen, wie im Text über die Einstufung der CKD nach KDIGO 2024, ist bereits eine einfache Möglichkeit, dieses Risiko zu schätzen.

Die akute Nierenschädigung (AKI) tritt innerhalb von Stunden oder Tagen auf. Sie kompliziert zwischen 10 und 15 Prozent der Krankenhausaufenthalte und mehr als die Hälfte der Aufenthalte auf der Intensivstation, laut der von Song und Kollegen zitierten Übersicht (Song et al., 2020). Wer eine Episode überlebt, hat ein höheres Risiko für kardiovaskuläre Erkrankungen und für die Progression zur CKD (Song et al., 2020).

Was eine gute Vorhersage ermöglicht

Bei der CKD hilft eine verlässliche Schätzung zu entscheiden, wen man an den Nephrologen überweist, wann man den Gefäßzugang vorbereitet und wie man mit dem Patienten über die Zukunft spricht. Bei der AKI ist der erwartete Gewinn, zu handeln, bevor das Kreatinin steigt: nephrotoxische Medikamente überprüfen, Flüssigkeiten anpassen und die Diurese überwachen. Der Text über Nierenschäden durch Medikamente zeigt, wie viele dieser Entscheidungen davon abhängen, das Risiko rechtzeitig zu erkennen.

Eine Vorhersage hat nur Wert, wenn sie eine Entscheidung ändert. Das ist dieselbe Logik wie bei der Prätestwahrscheinlichkeit: Eine Zahl hilft nur, wenn sie die Wahrscheinlichkeit auf eine Seite verschiebt, auf der sich das Vorgehen ändert.

Die KFRE: vier Variablen, Diskrimination und Kalibrierung

Wie die Gleichung entstand

Die KFREs wurden an 3449 Patienten mit CKD im Stadium 3 bis 5 entwickelt, die in Ontario, Kanada, an Nephrologen überwiesen wurden, und an überwiesenen Patienten in British Columbia validiert (Tangri et al., 2016). Die bevorzugten Versionen haben vier und acht Variablen, alle basierend auf Alter, Geschlecht und Laborwerten (Tangri et al., 2016).

Die Version mit vier Variablen benötigt nur Alter, Geschlecht, geschätzte glomeruläre Filtration und das Albumin/Kreatinin-Verhältnis im Urin (Tangri et al., 2016). Da all diese Daten bereits im System des Labors vorliegen, kann das Risiko automatisch berechnet und mitgeteilt werden, sobald die Untersuchungen durchgeführt werden (Tangri et al., 2016).

Die Validierung in 30 Ländern

Um zu prüfen, ob die Gleichung außerhalb Kanadas funktionierte, stellte das CKD Prognosis Consortium 31 Kohorten mit 721.357 Teilnehmern mit CKD im Stadium 3 bis 5 in mehr als 30 Ländern auf vier Kontinenten zusammen (Tangri et al., 2016). Bei einem medianen Follow-up von 4 Jahren gab es 23.829 Ereignisse eines Nierenversagens, definiert als Beginn der Dialyse oder Transplantation (Tangri et al., 2016).

Die Diskrimination war ausgezeichnet, mit einer C-Statistik von 0,90 nach 2 Jahren und 0,88 nach 5 Jahren, und war in Untergruppen nach Alter, Ethnie und Diabetes ähnlich (Tangri et al., 2016). Neu berechnete Gleichungen mit den Daten aller zusammengefassten Kohorten brachten keine Verbesserung (Tangri et al., 2016).

Die regionale Anpassung

Die Kalibrierung war in den nordamerikanischen Kohorten angemessen, aber die ursprüngliche Gleichung überschätzte das Risiko in einem Teil der Kohorten anderer Regionen (Tangri et al., 2016). Ein Kalibrierungsfaktor, der das Basisrisiko nach 2 Jahren um 32,9 Prozent und nach 5 Jahren um 16,5 Prozent senkte, verbesserte die Kalibrierung in 12 von 15 nicht-nordamerikanischen Kohorten nach 2 Jahren und in 10 von 13 nach 5 Jahren (Tangri et al., 2016).

Der Anteil der Patienten mit einem vorhergesagten Risiko über 20 Prozent nach 2 Jahren reichte von 0,23 Prozent in einer Kohorte in Okinawa bis 50 Prozent in der europäischen CRIB-Kohorte (Tangri et al., 2016). Dieselbe Gleichung wird also auf Populationen mit sehr unterschiedlichen Basisrisiken angewendet, und hier wiegt die lokale Kalibrierung.

Patienten ordnen oder die Zahl treffen

Die Diskrimination misst die Fähigkeit, die Patienten nach dem Risiko zu ordnen; die Kalibrierung misst die Übereinstimmung zwischen dem geschätzten und dem tatsächlichen Risiko (Huang et al., 2020). Ein Modell kann sehr gut trennen, wer ein höheres und wer ein geringeres Risiko hat, und gleichzeitig den absoluten Wert der Wahrscheinlichkeit verfehlen.

Die Leistung klinischer Modelle wird üblicherweise mit Diskriminationsmaßen veröffentlicht, aber die Verwendung für individuelle Vorhersagen erfordert eine angemessene Kalibrierung (Huang et al., 2020). Für den Patienten des Falls kann der Unterschied zwischen 24 und 12 Prozent Risiko das Gespräch über den Gefäßzugang verändern, auch wenn die Reihenfolge zwischen ihm und anderen Patienten gleich bleibt.

Wie die Kalibrierung gemessen wird

Das Tutorial von Huang und Kollegen beschreibt Maße wie die globale Kalibrierung, die die erwartete Anzahl von Ereignissen mit der beobachteten vergleicht, und den Brier-Score, der der mittlere quadratische Fehler zwischen dem tatsächlichen Ergebnis und der geschätzten Wahrscheinlichkeit ist (Huang et al., 2020). Die Autoren erinnern daran, dass der Hosmer-Lemeshow-Test trotz bekannter Einschränkungen noch immer viel verwendet wird (Huang et al., 2020).

Ein Beispiel aus dem Tutorial selbst zeigt das Problem: Modelle für das Demenzrisiko in der Bevölkerung überschätzten die Inzidenz stark, und bei einem vorhergesagten Risiko von 40 Prozent lag die beobachtete Inzidenz bei nur 10 Prozent (Huang et al., 2020). Ein Fehler dieser Größenordnung in einem Nierenmodell würde zu unnötigen Überweisungen, Untersuchungen und Gesprächen führen.

Eine Zusammenfassung für das Lesen von Artikeln

Eigenschaft	Frage, die sie beantwortet	Wie sie üblicherweise erscheint	Beispiel in der Nephrologie
Diskrimination	Stellt das Modell die Patienten mit dem höchsten Risiko voran?	C-Statistik oder Fläche unter der ROC-Kurve	KFRE mit einer C-Statistik von 0,90 nach 2 Jahren (Tangri et al., 2016)
Kalibrierung	Stimmt das vorhergesagte Risiko mit dem beobachteten überein?	Globale Kalibrierung, Kalibrierungskurven, Brier-Score	Überschätzung außerhalb Nordamerikas (Tangri et al., 2016)
Externe Validierung	Bleibt die Leistung an einem anderen Ort erhalten?	Kohorten aus anderen Krankenhäusern oder Ländern	Leistungsabfall zwischen Krankenhäusern (Song et al., 2020)
Klinischer Nutzen	Verbessert die Verwendung des Modells die Ergebnisse?	Randomisierte Studie	AKI-Alarme ohne Gewinn bei den Ergebnissen (Wilson et al., 2021)

Ein Risikomodell mit diesen vier Fragen zu lesen ist ähnlich wie die Kalibrierung des Vertrauens in die Diagnose: die Frage ist, ob die erklärte Sicherheit der tatsächlichen Trefferquote entspricht.

Die KFRE in der Primärversorgung und im Screening

Die Validierung in der Primärversorgung

Der größte Teil der CKD wird außerhalb nephrologischer Dienste betreut, und die KFRE hatte in der Primärversorgung nur wenig externe Validierung (Major et al., 2019). Eine britische Studie umfasste 35.539 Personen mit CKD in einer erwachsenen Population von 630.504 in der Primärversorgung Betreuten (Major et al., 2019).

In dieser Kohorte erreichten 176 Personen innerhalb von 2 Jahren und 429 innerhalb von 5 Jahren ein Nierenversagen, und die Diskrimination war ausgezeichnet, mit einer C-Statistik von 0,932 nach 2 Jahren und 0,924 nach 5 Jahren (Major et al., 2019). Die Gleichung überschätzte das Risiko jedoch in den Gruppen mit geringerem Risiko, und eine Senkung des Basisrisikos verbesserte die Kalibrierung in diesen Gruppen auf Kosten einer gewissen Unterschätzung in den Gruppen mit höherem Risiko (Major et al., 2019).

Risikobasierte Überweisungskriterien

Die Autoren simulierten ein Überweisungskriterium auf Basis eines 5-Jahres-Risikos für Nierenversagen von mindestens 5 Prozent nach der KFRE, mit oder ohne Albumin/Kreatinin-Verhältnis von mindestens 70 mg/mmol (Major et al., 2019). Verglichen mit den geltenden Kriterien verringerte dieser Schwellenwert die Zahl der für eine Überweisung geeigneten Personen, die kein Nierenversagen entwickelten, und überwies diejenigen, die es entwickelten, früher und bei höherer Filtrationsrate (Major et al., 2019).

Die Autoren selbst warnen, dass die Kohorte aus einer einzigen Region stammte und dass vor der Einführung Validierungen in vielfältigeren Populationen nötig sind (Major et al., 2019).

Die Erfahrung einer kanadischen Provinz

In Manitoba, Kanada, verwendete der nephrologische Dienst ab 2012 einen Schwellenwert von 3 Prozent 5-Jahres-Risiko nach der KFRE, um neue Überweisungen von Patienten mit CKD der Stadien 3 bis 5 zu screenen (Hingwala et al., 2017). Überweisungen unterhalb dieses Schwellenwerts und außerhalb von Kriterien wie Schwangerschaft oder Verdacht auf Glomerulonephritis gingen mit Empfehlungen an die Primärversorgung zurück (Hingwala et al., 2017). Bei Schwangeren mit CKD folgt das renale und geburtshilfliche Risiko einer eigenen Logik, die im Text über Schwangerschaft bei chronischer Nierenerkrankung erörtert wird.

Die mediane Wartezeit sank von 230 Tagen vor dem Screening auf 58 Tage danach, obwohl die monatliche Zahl der Überweisungen von 68 auf 94 stieg (Hingwala et al., 2017). Die Autoren räumen ein, dass sie die als geringes Risiko eingestuften Patienten nicht langfristig nachverfolgt haben (Hingwala et al., 2017).

Maschinelles Lernen bei AKI und die externe Validierung

Was das Deep-Learning-Modell zeigte

Im Jahr 2019 trainierte eine Gruppe von DeepMind und dem US-Department of Veterans Affairs ein Modell mit elektronischen Akten von 703.782 Erwachsenen aus 172 stationären Einrichtungen und 1062 Ambulanzen (Tomašev et al., 2019). Zu jedem Zeitpunkt des Krankenhausaufenthalts schätzt das Modell die Wahrscheinlichkeit einer AKI jeden Stadiums in den folgenden 48 Stunden (Tomašev et al., 2019).

Das Modell sagte 55,8 Prozent der AKI-Episoden im Krankenhaus und 90,2 Prozent der AKI voraus, die später eine Dialyse erforderten, mit bis zu 48 Stunden Vorlauf und zwei falschen Alarmen für jeden richtigen (Tomašev et al., 2019). An diesem Schwellenwert würde das Modell zu einer täglichen klinischen Beurteilung von 2,7 Prozent der stationär Behandelten führen (Tomašev et al., 2019).

Die Zahlen, die hinter der Schlagzeile bleiben

Die Fläche unter der ROC-Kurve betrug 92,1 Prozent, die Fläche unter der Precision-Recall-Kurve jedoch 29,7 Prozent (Tomašev et al., 2019). Der Unterschied spiegelt die Seltenheit des Ereignisses wider: Wenn nur wenige Patienten eine AKI haben, erzeugt selbst ein Modell, das gut ordnet, viele falsche Alarme.

Die Autoren räumen ein, dass die Population nicht die Weltbevölkerung repräsentiert: Frauen machten 6,38 Prozent der Patienten aus, und die Leistung war in dieser Gruppe geringer (Tomašev et al., 2019). Eine Validierung des Systems in einer allgemeinen Population würde erfordern, das Modell in anderen repräsentativen Datensätzen zu trainieren und zu bewerten (Tomašev et al., 2019).

Interne und externe Validierung in drei Gesundheitssystemen

Churpek und Kollegen testeten ein Gradient-Boosting-Modell an 495.971 Krankenhausaufenthalten von Erwachsenen in drei Gesundheitssystemen der Vereinigten Staaten (Churpek et al., 2020). Die Fläche unter der Kurve für die Vorhersage einer AKI im Stadium 2 oder höher innerhalb von 48 Stunden lag in allen drei Systemen bei 0,85 bis 0,86, und das Modell erkannte die AKI im Stadium 2 im Median 27 bis 39 Stunden bevor sich das Kreatinin verdoppelte (Churpek et al., 2020).

Die Autoren weisen darauf hin, dass sie die AKI nur anhand des Kreatinins definierten, weil die stündliche Urinausscheidung nicht für alle verfügbar war, und dass die optimale Schwelle zwischen Erkennung und Fehlalarmen noch interventionelle Studien erfordert (Churpek et al., 2020).

Warum ein Modell schlechter wird, wenn das Krankenhaus wechselt

Song und Kollegen entwickelten ein AKI-Modell in einem Gesundheitssystem und testeten es in sechs unabhängigen Systemen des PCORnet-Netzwerks (Song et al., 2020). Die Arbeit zeigte, dass ein Leistungsabfall zwischen Standorten wahrscheinlich ist, und führte diesen Abfall auf die Heterogenität der Risikofaktoren zwischen den Populationen zurück (Song et al., 2020).

Die Übersichtsarbeit der Autoren fasst das Muster der Literatur zusammen: Traditionelle AKI-Modelle erreichten in den Ableitungsstudien eine Fläche unter der Kurve von 0,71 bis 0,80, bei der internen Validierung von 0,66 bis 0,80 und bei der externen Validierung von 0,65 bis 0,71 (Song et al., 2020). Die Autoren erinnern außerdem daran, dass das Modell von DeepMind mit Daten von überwiegend männlichen und weißen Patienten trainiert wurde (Song et al., 2020).

Daten, die ihren Namen ändern

Ein Teil des Verlusts kommt von technischen Details. In einem der Beispiele fehlte eine Medikationsvariable an allen externen Validierungsstandorten wegen Unterschieden bei der Erfassung von Arzneimitteln (Song et al., 2020). Die Autoren schlugen ein Maß vor, um vor der Einführung abzuschätzen, wie viel ein Modell beim Transfer verlieren dürfte (Song et al., 2020).

Für diejenigen, die das Werkzeug nutzen, ist die Lehre praktisch: Ein Modell, das in einem anderen Land oder in einem anderen Krankenhaustyp validiert wurde, muss mit den lokalen Daten getestet werden, bevor es Behandlungen anleitet. Die KFRE zeigte dasselbe Prinzip mit dem regionalen Kalibrierungsfaktor (Tangri et al., 2016).

Warnungen allein reichen nicht: Was die Studien zeigen

Eine multizentrische Studie mit Warnung in der Patientenakte

Wilson und Kollegen randomisierten 6030 stationär aufgenommene Erwachsene mit AKI in sechs Krankenhäusern, ob sie eine Warnung in der elektronischen Patientenakte mit einer Reihe vorgeschlagener Verordnungen erhielten oder nicht (Wilson et al., 2021). Das primäre Ergebnis kombinierte Progression der AKI, Dialyse oder Tod innerhalb von 14 Tagen (Wilson et al., 2021).

Das Ergebnis trat bei 21,3 Prozent der Gruppe mit Warnung und bei 20,9 Prozent der Gruppe mit üblicher Versorgung auf, ein Unterschied ohne statistische Signifikanz (Wilson et al., 2021). In den beiden nicht universitären Krankenhäusern war die Warnung jedoch mit mehr schlechten Ergebnissen und mehr Todesfällen verbunden, 15,6 Prozent gegen 8,6 Prozent (Wilson et al., 2021).

Warum die Warnung schaden kann

Die Autoren prüften, ob eine Warnmüdigkeit die Verschlechterung erklären würde, und fanden diesen Zusammenhang nicht; auch fanden sie keine einzige Erklärung für den möglichen Schaden (Wilson et al., 2021). Sie schließen, dass die Heterogenität des Effekts zwischen den Krankenhäusern zu einer Neubewertung der eingesetzten AKI-Warnsysteme führen sollte (Wilson et al., 2021). Der Text über Warnmüdigkeit erörtert, warum zu viele Hinweise an Wirkung verlieren.

Eine Studie mit Warnung auf dem Handy

In einem Universitätskrankenhaus in Nanjing, China, randomisierten Li und Kollegen 2208 Erwachsene mit AKI, ob die Ärzte eine auf das Handy gesendete Warnung zusammen mit einem Paket allgemeiner Versorgungsmaßnahmen erhielten oder nicht (Li et al., 2024). Die maximale Veränderung der geschätzten Filtrationsrate innerhalb von 7 Tagen war in beiden Gruppen ähnlich, ebenso die patientenzentrierten Ergebnisse wie Tod und Dialyse (Li et al., 2024).

Die Warnung veränderte das Verhalten: Die gewarnte Gruppe erhielt mehr intravenöse Flüssigkeit, weniger nichtsteroidale Antirheumatika (5,0 gegen 11,0 Prozent) und hatte mehr dokumentierte AKI-Fälle bei der Entlassung (Li et al., 2024). Die Autoren schlagen vor, die Warnung in künftigen Studien mit hochwertigen Interventionen zu kombinieren (Li et al., 2024).

Was diese Studien lehren

Die AKI vorherzusagen oder zu erkennen ist nur der erste Schritt; der Nutzen hängt davon ab, was das Team mit dem Hinweis macht. Ein Modell mit guter Fläche unter der Kurve, das an eine schwache klinische Reaktion gekoppelt ist, kann für den Patienten nichts ändern. Dasselbe gilt für andere durch Scores erkannte Notfälle, wie bei der Sepsis im Pflege-Screening.

Ethik, Gerechtigkeit und Governance

Die Leitlinie der WHO

Im Jahr 2021 veröffentlichte die WHO die Leitlinie Ethics and governance of artificial intelligence for health, Ergebnis von Konsultationen mit einem internationalen Gremium aus Fachleuten für Ethik, digitale Technologie, Recht und Menschenrechte sowie aus Gesundheitsministerien (WHO, 2021). Das Dokument beschreibt ethische Risiken und schlägt sechs Konsensprinzipien vor, damit KI der Bevölkerung aller Länder zugutekommt (WHO, 2021).

Die Mitteilung der WHO warnt davor, die Vorteile der KI zu überschätzen, auf Kosten wesentlicher Investitionen in die allgemeine Gesundheitsversorgung (WHO, Mitteilung von 2021). Sie erinnert auch daran, dass Systeme, die vor allem mit Daten aus Ländern mit hohem Einkommen trainiert wurden, in Kontexten mit mittlerem und niedrigem Einkommen schlecht funktionieren können (WHO, Mitteilung von 2021).

Die Position der nephrologischen Fachgesellschaft

Im Jahr 2026 veröffentlichte eine Arbeitsgruppe der American Society of Nephrology Prinzipien für den verantwortungsvollen Einsatz von KI in der Nierenversorgung: den Nutzen für den Patienten an erste Stelle setzen, die klinische Aufsicht sicherstellen und Innovation bei Krankheiten mit hoher Belastung fördern (Tangri et al., 2026). Ausgangspunkt ist, dass der Arzt immer im Entscheidungsprozess bleibt (Tangri et al., 2026).

Das Dokument nennt als Herausforderungen die Datenqualität, die Gerechtigkeit, die Transparenz und die Integration in den klinischen Ablauf (Tangri et al., 2026). Bei der Nierentransplantation nennen die Autoren kleinere und fragmentierte Datenbanken sowie das Risiko von Verzerrungen als wichtige Hindernisse (Tangri et al., 2026).

Das Risiko, sich zu sehr zu verlassen

Wenn eine Zahl auf dem Bildschirm erscheint, besteht die Versuchung, sie unkritisch zu übernehmen. Der Text über Automatisierungsverzerrung erklärt, wie übermäßiges Vertrauen in automatisierte Systeme zu Fehlern führt, und der Text über den Einsatz künstlicher Intelligenz im klinischen Denken erörtert die Rolle der KI umfassender.

Wie man ein Modell bewertet, bevor man ihm vertraut

Fragen an den Artikel

Bevor man ein Nierenrisikomodell einsetzt, lohnt es sich, dem Artikel, der es beschreibt, fünf Fragen zu stellen:

1. In welcher Population wurde es entwickelt und wer blieb außen vor? Das Modell von DeepMind etwa enthielt wenige Frauen (Tomašev et al., 2019).
2. Gab es eine externe Validierung in einer anderen Population? Die Flächen unter der Kurve fallen bei der externen Validierung meist ab (Song et al., 2020).
3. Wurde die Kalibrierung berichtet, und nicht nur die Diskrimination? Die individuelle Anwendung erfordert beides (Huang et al., 2020).
4. Wie viele Fehlalarme erzeugt das Modell pro Treffer? Beim Modell von DeepMind waren es zwei falsche für jeden richtigen (Tomašev et al., 2019).
5. Hat eine Studie einen Nutzen für den Patienten gezeigt? Die Studien zu AKI-Hinweisen zeigten eine Änderung des Vorgehens, aber nicht des Ergebnisses (Wilson et al., 2021; Li et al., 2024).

Fragen an die Abteilung

In der Abteilung ändern sich die Fragen. Haben die lokalen Daten dasselbe Format wie die Entwicklungsdaten? Unterschiede bei der Erfassung von Medikamenten haben schon ganze Variablen beim Transfer zwischen Krankenhäusern zunichtegemacht (Song et al., 2020). Wer reagiert auf den Hinweis, mit welchem Vorgehen und in welcher Zeit? Das berechnete Risiko und die getroffene Entscheidung in der Patientenakte zu dokumentieren, wie im Text über das Ordnen des klinischen Denkens in der Patientenakte, hilft, die Anwendung später zu prüfen.

Zurück zum Fall

Für den 68-jährigen Mann stammt das Risiko von 24 Prozent in 5 Jahren nach der KFRE aus einer Gleichung mit guter Diskrimination in vielen Ländern, deren Kalibrierung aber in der lokalen Bevölkerung überprüft werden muss (Tangri et al., 2016). In einer Abteilung, die den in der britischen Studie simulierten Schwellenwert von 5 Prozent verwendete, würde er bereits an den Nephrologen überwiesen (Major et al., 2019).

Der AKI-Hinweis während des Krankenhausaufenthalts verdient Aufmerksamkeit, aber der Nutzen hängt von der klinischen Reaktion ab, da der Hinweis allein das Vorgehen änderte, ohne die Ergebnisse zu verbessern (Li et al., 2024). Hat er zudem eine Anämie bei CKD, vervollständigt der Text über Anämie bei CKD die Beurteilung. Mit der verbleibenden Unsicherheit umzugehen, wie in diagnostische Unsicherheit erörtert, gehört zum reifen Umgang mit jedem Modell, und die klinische Entscheidungsfindung bleibt beim Arzt gemeinsam mit dem Patienten.

Wie NEXO hilft, dieses Denken zu trainieren

Bei NEXO ist der Fall des Tages fiktiv, mit realer klinischer Präsentation und bis zu sechs fortschreitenden Hinweisen, und du schlägst die Diagnose vor, indem du den Code in der ICD-10 suchst. Ein Risikomodell zu lesen verlangt dieselbe Übung: jede neue Information abwägen, die Wahrscheinlichkeit überprüfen und entscheiden, wann sie ausreicht, um zu handeln, wie beim Training der Differenzialdiagnose mit Hinweisen.

Die Grenzen der Nutzung des Spiels sind auf der Seite Wirtschaft von NEXO beschrieben. Wenn du zur Vermittlung klinischen Denkens forschst, erklärt die Seite für Researcher, wie du Kontakt aufnehmen kannst. Fachleute, die Fälle schreiben oder überprüfen, finden Informationen unter Curator und unter Creators, und Institutionen können das Angebot auf der Seite für Partnerschaften kennenlernen. Den richtigen Code in der ICD-10 zu suchen, vervollständigt dieses Training.

Häufige Fragen

Was ist die KFRE?

Sie ist eine Gleichung, die das Risiko eines Nierenversagens, definiert als Dialyse oder Transplantation, in 2 und 5 Jahren schätzt; die Version mit vier Variablen verwendet Alter, Geschlecht, geschätzte Filtration und Albumin/Kreatinin-Verhältnis (Tangri et al., 2016).

Funktioniert die KFRE in jedem Land?

Die Diskrimination war in 31 Kohorten aus mehr als 30 Ländern ausgezeichnet, aber einige Regionen brauchten einen Kalibrierungsfaktor (Tangri et al., 2016).

Was ist der Unterschied zwischen Diskrimination und Kalibrierung?

Die Diskrimination misst, ob das Modell die Patienten nach dem Risiko ordnet; die Kalibrierung misst, ob das vorhergesagte Risiko mit dem beobachteten übereinstimmt (Huang et al., 2020).

Kann KI bereits eine akute Nierenschädigung vorhersagen?

Modelle des maschinellen Lernens sagten einen Teil der Episoden bis zu 48 Stunden im Voraus vorher, zum Preis falscher Alarme (Tomašev et al., 2019; Churpek et al., 2020).

Verbessern automatische Warnungen bei ANV die Ergebnisse?

In den genannten randomisierten Studien änderten die Warnungen das Vorgehen, senkten aber weder Progression noch Dialyse oder Tod (Wilson et al., 2021; Li et al., 2024).

Kann ich ein in einem anderen Land validiertes Modell verwenden?

Mit Vorsicht: Die Leistung sinkt tendenziell beim Wechsel der Population, und eine lokale Validierung wird empfohlen (Song et al., 2020).

Take-home messages

• Verwende die KFRE als Schätzung des Risikos eines Nierenversagens bei CKD Stadium 3 bis 5 und bedenke, dass die Kalibrierung je nach Region variieren kann (Tangri et al., 2016).
• Verlange Diskrimination und Kalibrierung, bevor du ein Modell für individuelle Entscheidungen verwendest (Huang et al., 2020).
• Erwäge risikobasierte Überweisungskriterien, die Wartezeiten und Überweisungen mit geringem Risiko reduzierten (Hingwala et al., 2017; Major et al., 2019).
• Frage, wie viele falsche Alarme das ANV-Modell pro Treffer erzeugt (Tomašev et al., 2019).
• Teste das Modell mit lokalen Daten, bevor du es einführst (Song et al., 2020).
• Verknüpfe jede Warnung mit einer definierten klinischen Reaktion und miss die Wirkung auf die Ergebnisse (Wilson et al., 2021).
• Halte den Arzt im Entscheidungsprozess und bewerte Fairness und Transparenz (Tangri et al., 2026; WHO, 2021).

Milestone inventory

• 2016: Die KFRE wird in 31 Kohorten aus mehr als 30 Ländern validiert (Tangri et al., 2016).
• 2017: Manitoba berichtet über die Triage von Überweisungen mittels KFRE (Hingwala et al., 2017).
• 2019: Die KFRE wird in der britischen Primärversorgung validiert (Major et al., 2019).
• 2019: Ein Modell des tiefen Lernens sagt die ANV bis zu 48 Stunden im Voraus vorher (Tomašev et al., 2019).
• 2020: Studien zeigen externe Validierung in drei Systemen und Leistungsverlust zwischen Krankenhäusern (Churpek et al., 2020; Song et al., 2020).
• 2021: Die WHO veröffentlicht ihre Leitlinie zu Ethik und Governance von KI im Gesundheitswesen (WHO, 2021).
• 2021: Eine multizentrische Studie zu ANV-Warnungen zeigt keinen Nutzen bei den Ergebnissen (Wilson et al., 2021).
• 2026: Die American Society of Nephrology veröffentlicht Grundsätze für den verantwortungsvollen Einsatz von KI (Tangri et al., 2026).

Referenzen

1. World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Genf: WHO; 2021. ISBN 9789240029200. Volltext.
2. World Health Organization. WHO issues first global report on Artificial Intelligence (AI) in health and six guiding principles for its design and use. Mitteilung, 28. Juni 2021. Volltext.
3. Tangri N, Grams ME, Levey AS, et al. Multinational Assessment of Accuracy of Equations for Predicting Risk of Kidney Failure: A Meta-analysis. JAMA. 2016;315(2):164-174. PMID 26757465. DOI 10.1001/jama.2015.18202.
4. Major RW, Shepherd D, Medcalf JF, et al. The Kidney Failure Risk Equation for prediction of end stage renal disease in UK primary care: An external validation and clinical impact projection cohort study. PLoS Med. 2019;16(11):e1002955. PMID 31693662. DOI 10.1371/journal.pmed.1002955.
5. Hingwala J, Wojciechowski P, Hiebert B, et al. Risk-Based Triage for Nephrology Referrals Using the Kidney Failure Risk Equation. Can J Kidney Health Dis. 2017;4:2054358117722782. PMID 28835850. DOI 10.1177/2054358117722782.
6. Tomašev N, Glorot X, Rae JW, et al. A clinically applicable approach to continuous prediction of future acute kidney injury. Nature. 2019;572(7767):116-119. PMID 31367026. DOI 10.1038/s41586-019-1390-1.
7. Churpek MM, Carey KA, Edelson DP, et al. Internal and External Validation of a Machine Learning Risk Score for Acute Kidney Injury. JAMA Netw Open. 2020;3(8):e2012892. PMID 32780123. DOI 10.1001/jamanetworkopen.2020.12892.
8. Song X, Yu ASL, Kellum JA, et al. Cross-site transportability of an explainable artificial intelligence model for acute kidney injury prediction. Nat Commun. 2020;11(1):5668. PMID 33168827. DOI 10.1038/s41467-020-19551-w.
9. Wilson FP, Martin M, Yamamoto Y, et al. Electronic health record alerts for acute kidney injury: multicenter, randomized clinical trial. BMJ. 2021;372:m4786. PMID 33461986. DOI 10.1136/bmj.m4786.
10. Li T, Wu B, Li L, et al. Automated Electronic Alert for the Care and Outcomes of Adults With Acute Kidney Injury: A Randomized Clinical Trial. JAMA Netw Open. 2024;7(1):e2351710. PMID 38241047. DOI 10.1001/jamanetworkopen.2023.51710.
11. Huang Y, Li W, Macheret F, et al. A tutorial on calibration measurements and calibration models for clinical prediction models. J Am Med Inform Assoc. 2020;27(4):621-633. PMID 32106284. DOI 10.1093/jamia/ocz228.
12. Tangri N, Cheungpasitporn W, Crittenden SD, et al. Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology. J Am Soc Nephrol. 2026;37:881-890. PMID 41201255. DOI 10.1681/asn.0000000929.

Spiele den Fall des Tages in NEXO.