Maschinelles Lernen unterstützt die Vorhersagbarkeit einer Hyperbilirubinämie

Das Maschinelle Lernen hat unter anderem in der Pädiatrie ein großes klinisches Potenzial: Mithilfe dieser Computer-basierten Mustererkennungstechnologie können beispielsweise Neugeborene mit einer Late-onset-Sepsis frühzeitig identifiziert werden. Schweizerische Wissenschaftler haben ein Modell zur Vorhersage der klinisch relevanten Hyperbilirubinämie entwickelt.

Fazit

Ein wesentlicher Vorteil des EPPT-Modells ist nach Ansicht der Autoren seine einfache Anwendbarkeit im klinischen Alltag: Nur 4 Standard-Variablen müssen bekannt sein. Vor dem routinemäßigen Einsatz müssen jedoch seine Sensitivität und Spezifität prospektiv geprüft und der Algorithmus an anderen Populationen, beispielsweise extrem unreifen Frühgeborenen oder Neugeborenen mit Glucose-6-phosphat-Dehydrogenase-Mangel, validiert werden.