ML bietet personalisierte Empfehlungen zur Behandlung von Bluthochdruck

Jul 01, 2023

Quelle: Getty Images

Von Shania Kennedy

09. Juni 2023 – Forscher der Boston University (BU) haben ein Modell für maschinelles Lernen (ML) mitentwickelt, das personalisierte Empfehlungen zur Behandlung von Bluthochdruck geben und Ärzten bei der Auswahl der für ihre Patienten am besten geeigneten Medikamente gegen Bluthochdruck helfen soll.

In der Studie, die das Modell beschreibt und kürzlich in BMC Medical Informatics and Decision Making veröffentlicht wurde, erklärten die Forscher, dass die Verschreibung der wirksamsten Medikamente für Patienten mit Bluthochdruck eine Herausforderung sein kann. Genetische Faktoren, Komorbiditäten und andere Merkmale des Patienten können je nach verschriebenem blutdrucksenkenden Medikament zu unterschiedlichen Behandlungsreaktionen führen.

Die personalisierte Behandlung von Bluthochdruck hat das Potenzial, diese Hürden zu überwinden, ein solcher Ansatz wurde jedoch in der klinischen Versorgung nicht weit verbreitet.

Dies veranlasste die Forscher dazu, ein ML-basiertes Tool zur klinischen Entscheidungsunterstützung zu entwickeln, das darauf abzielt, Pflegeteams in Echtzeit Vorschläge zur Behandlung von Bluthochdruck zu geben, um den systolischen Blutdruck wirksamer zu senken als mit aktuellen Standardbehandlungsmethoden.

Das Modell nutzt patientenspezifische Merkmale wie Krankengeschichte, demografische Daten, Vitalfunktionen und Testergebnisse aus EHRs, um Ärzten ein „individuelles“ Rezept gegen Bluthochdruck zu liefern.

„Dies ist ein neuer Algorithmus für maschinelles Lernen, der Informationen in elektronischen Gesundheitsakten nutzt und die Leistungsfähigkeit der KI im Gesundheitswesen demonstriert“, sagte Ioannis Paschalidis, PhD, ein angesehener Professor des BU College of Engineering und Mitglied des Forschungsteams, in der Pressemitteilung, in der er dies detailliert beschreibt Studie. „Unser datengesteuertes Modell sagt nicht nur ein Ergebnis voraus, sondern schlägt für jeden Patienten das am besten geeignete Medikament vor.“

Das Modell verwendet das Profil eines einzelnen Patienten, um eine Liste vorgeschlagener Medikamente zu erstellen, die auch die damit verbundene Erfolgswahrscheinlichkeit für jedes Medikament basierend auf den Informationen dieses Patienten und der Wirksamkeit des Medikaments bei einer Gruppe ähnlicher Patienten enthält.

„Unser Ziel ist es, einen personalisierten Ansatz für die Behandlung von Bluthochdruck zu ermöglichen, der auf Algorithmen des maschinellen Lernens basiert und darauf abzielt, die Wirksamkeit von Medikamenten gegen Bluthochdruck auf individueller Ebene zu maximieren“, erklärte Paschalidis.

Um das Modell zu entwickeln, zogen die Forscher anonymisierte Daten aus den Krankenakten von 42.752 Patienten am Boston Medical Center (BMC) von 2012 bis 2020.

Die Patienten wurden auf der Grundlage klinisch relevanter Merkmale, einschließlich Demografie, Krankengeschichte und früheren Blutdruckwerten, in Gruppen eingeteilt. Von dort aus wurden die Daten in das ML-Modell und drei zusätzliche Algorithmen eingespeist, die zur Vorhersage geeigneter Behandlungspläne für Bluthochdruck entwickelt wurden.

Anschließend wurde die Wirksamkeit jedes Modells mit der des aktuellen Pflegestandards verglichen.

Das ML-Modell schnitt um 7,08 Prozent besser ab als der zweitbeste Algorithmus und erreichte eine um 70,3 Prozent größere Senkung des systolischen Blutdrucks als die Standardtherapie.

Das ML-Modell verdeutlichte auch, wie wichtig es für einige Patienten ist, blutdrucksenkende Medikamente zu reduzieren oder abzusetzen, die bereits mehrere Medikamente eingenommen haben.

„Diese fortschrittlichen prädiktiven Analysen können die Entscheidungsfindung eines Arztes verbessern und sich positiv auf die Qualität der von uns erbrachten Pflege und damit auf die Ergebnisse für unsere Patienten auswirken“, erklärte Dr. Rebecca Mishuris, Chief Medical Information Officer von Mass General Brigham der zuvor als Assistenzprofessor an der BU Chobanian & Avedisian School of Medicine tätig war. „Dies ist ein wichtiger erster Schritt, der zeigt, dass diese Modelle tatsächlich besser funktionieren als die Standardversorgung und uns helfen könnte, bessere Ärzte zu sein.“

Die Studie unterstrich auch, wie Modelle der künstlichen Intelligenz (KI) dazu beitragen können, die Pflegequalität und personalisierte Medizinansätze zu verbessern.

„Anhand von Daten aus der vielfältigen Patientenpopulation des Boston Medical Center bietet dieses Modell die Möglichkeit, die Versorgung unterrepräsentierter Bevölkerungsgruppen anzupassen und individuelle Empfehlungen zur Verbesserung der Ergebnisse für diese Patienten zu geben“, sagte Nicholas J. Cordella, MD, Assistenzprofessor an der BU Chobanian & Avedisian School of Medicine. „Personalisierte Medizin und Modelle wie dieses bieten die Möglichkeit, Bevölkerungsgruppen besser zu versorgen, die in den nationalen Studien nicht unbedingt gut vertreten sind oder bei der Erstellung der Leitlinien nicht berücksichtigt wurden.“