Uni.lu: Modell hilft, Covid-19-Sterblichkeit zu senken
Uni.lu: Modell hilft, Covid-19-Sterblichkeit zu senken
Kann der Schweregrad einer Covid-19-Erkrankung genau und früh eingeschätzt werden, können Leben gerettet werden - und die Überlastung von Gesundheitssystemen vermieden werden. Eine einfache Formel ermöglicht es nun, die am stärksten gefährdeten Patienten zu identifizieren, damit diese zeitnah eine Intensivbehandlung erhalten können und die Sterblichkeit reduziert wird.
Entwickelt wurde sie laut einer Mitteilung der Uni.lu von Forschern des Luxembourg Centre for Systems Biomedicine (LCSB), zusammen mit ihren Kollegen der Universitäten für Wissenschaft und Technologie in Huazhong und Wuhan sowie dem HUST-Wuxi Forschungsinstitut. Blutproben von 485 Patienten des Tongji-Krankenhauses in Wuhan, wo die Mehrzahl der schweren COVID-19 Fälle aufgenommen wurde, dienten als Basis: 298 Personen erholten sich von der Infektion, 187 Patienten starben.
Mit maschinellem Lernen drei Biomarker identifiziert
„Wir haben rückblickend die verschiedenen Blutproben untersucht, die während des Aufenthalts im Krankenhaus genommen wurden, um deutliche Faktoren zu erkennen, die auf ein erhöhtes Sterberisiko hindeuten“, erklärt Prof. Jorge Goncalves, Leiter der Systems Control-Forschungsgruppe am LCSB und einer der Autoren der Publikation.
Die Wissenschaftler entwickelten dann aufgrund maschinellen Lernens Methoden, um drei Biomarker zu identifizieren, die den Schweregrad der Krankheit vorhersagen und potentiell lebensrettend sein können. Die drei Schlüsselfaktoren – LDH, hs-CRP und Lymphozyten-Konzentration – können einfach bestimmt werden und in überfüllten Krankenhäusern mit knapper medizinischer Ausrüstung dabei helfen, Patienten schnell zu klassifizieren.
Dreistufiger Entscheidungsbaum
„Wir haben einen dreistufigen Entscheidungsbaum erstellt und anhand der Daten aus Wuhan validiert. Es zeigte sich, dass dieses einfache Modell mit hoher Genauigkeit den Ausgang der Erkrankung vorhersagen kann, unabhängig von der anfänglichen Diagnose bei Aufnahme im Krankenhaus“ beschreibt Dr. Laurent Mombaerts vom LCSB die Methode. Im Durchschnitt ist das Modell in der Lage, den Ausgang der Krankheit etwa 10 Tage im Voraus mit 90-prozentiger Genauigkeit vorherzusagen.
Eines der drei Schlüsselmerkmale, die aus 84 ausgewählt wurden, ist die Konzentration der Milchsäuredehydrogenase (LDH): Ein erhöhter Wert dieser Enzymkonzentration im Blut ist ein bekanntes Anzeichen für Gewebeschädigung. Der zweite Parameter ist ein erhöhtes Level an hochempfindlichem C-reaktivem Protein (hs-CRP), was einen anhaltenden Entzündungszustand anzeigt. Eine niedrige Anzahl an Lymphozyten, einer der Haupttypen von Immunzellen, stellt den dritten Biomarker dar.
Chinesische Ärzte arbeiten bereits mit dem Modell
Für jeden dieser Faktoren definierten die Forscher dann bestimmte Grenzwerte, über oder unter welchen die Patienten einem erhöhten Risiko ausgesetzt sind. Die Forscher sind nun sehr daran interessiert, es auch an größeren Datensätzen zu erproben, um seine Genauigkeit zu erhöhen.
Das Modell wurde kürzlich in der Zeitschrift Nature Machine Intelligence veröffentlicht. Eine Internetseite, die mit diesem Modell arbeitet, ist in China bereits verfügbar: Ärzte können die Messwerte der drei Parameter eingeben und erhalten eine Vorhersage für den betroffenen Patienten.
Diese Arbeit legt auch den Grundstein für die Anwendung von maschinellem Lernen, um die Triage während weitreichender Epidemien wie dieser zu vereinfachen, heißt es in der Mitteilung der Uni.lu.
Folgen Sie uns auf Facebook und Twitter und abonnieren Sie unseren Newsletter.
