Maschinelles Lernen ermittelt das Outcome der aortoiliakalen Revaskularisation

Bei der AIOD (Aortoiliakale Verschlusskrankheit) bestehen verschiedene chirurgische Behandlungsoptionen mit hohem Komplikationsrisiko. Bislang fehlen breit anwendbare klinische Tools, um unerwünschte Ereignisse nach einer offenen Revaskularisation, vorherzusagen. Li et al. nutzten das Maschinelle Lernen (ML), um u. a. schwerwiegende Nebenwirkungen an der Gliedmaße (MALE, major adverse limb event) und Todesfälle vorherzusagen.

Fazit

Li et al. entwickelten ein robustes ML-Modell, das mit hoher Leistungsfähigkeit (AUROC 0,95) anhand von präoperativen Daten die Wahrscheinlichkeit für MALE oder den Tod innerhalb von 30 Tagen nach einer offenen aortoiliakalen Revaskularisation vorhersagt. Da die entwickelte ML-Algorithmen besser abschneiden als bestehende Tools und die logistische Regression, ist nach Meinung der Autoren ein breiter Einsatz des ML möglich, um negative Ergebnisse zu minimieren.

Publikationsverlauf

Artikel online veröffentlicht:
05. Dezember 2023