Akute interstitielle Nephritis: Neuartiges elektronisches Diagnosemodell zur Vorhersage entwickelt

Forscher von Johns Hopkins Medicine, USA, und der Yale University, USA, haben an der Entwicklung und Anwendung eines Diagnosemodells zur Erkennung akuter interstitieller Nephritis (AIN) geforscht.

Studien hätten gezeigt, dass jeder fünfte Krankenhauspatient von einem plötzlichen Verlust der Nierenfunktion (AKI) betroffen ist. Eine große Herausforderung für Ärzte, die Patienten mit AKI behandeln, besteht darin, AIN von anderen AKI-Ursachen zu unterscheiden, erklären die Autoren eingangs. Dies liege vor allem daran, dass mehr als 90 Prozent der Patienten mit AIN keine Anzeichen oder Symptome aufweisen und dass einzelne klinisch verfügbare Tests wie Urin-Eosinophile, Urinmikroskopie und bildgebende Verfahren bei der Diagnose von AIN nicht zuverlässig seien. Eine falsche Diagnose von AIN bei einem Patienten könne zum Absetzen lebensrettender Therapien wie Immuncheckpoint-Inhibitoren oder Antibiotika führen. Darüber hinaus kann eine verzögerte oder versäumte Diagnose möglicherweise zu dauerhaften Nierenschäden führen, betonen die Forscher.

„AIN ist eine der behandelbaren Ursachen von AKI und es ist zwingend erforderlich, dass wir diese Fälle frühzeitig im Krankheitsverlauf erkennen“, kommentiert Prof. Chirag Parikh, Hauptautor der Studie. Da AIN so schwierig zu diagnostizieren ist, ist oft eine Nierenbiopsie erforderlich, die invasiv sein kann und ihre eigenen Risiken birgt. Dennoch haben Forscher oft versucht, mithilfe alternativer Methoden herauszufinden, wie AIN diagnostiziert werden kann.

Die Ergebnisse der vorliegenden Studie wurden in der Fachzeitschrift „Journal of the American Society of Nephrology“ veröffentlicht.

Verlauf der Studie

In dieser Studie entwickelten die Forscher ein Diagnosemodell zur Vorhersage von AIN bei Patienten mithilfe einer maschinellen Lernauswahltechnik namens Least Absolute Shrinkage and Selection Operator (LASSO). Die Labortests mit der LASSO-Funktion umfassten Serumkreatinin, Blutharnstoffstickstoff (BUN), Urinprotein und die Dichte des Urins im Vergleich zu Wasser, was als spezifischer Schwerkrafttest bezeichnet wird. „Obwohl diese Labortests durch maschinelles Lernen aus über 150 Variablen identifiziert wurden, ist es interessant, dass diese Tests biologisch sinnvoll sind, da sie AIN von anderen Ursachen wie prärenaler Azotämie und akuter Tubulusnekrose unterscheiden“, berichtet Parikh.

Die Studie bestand aus zwei Patientenkohorten. Beide Kohorten hatten sich zuvor entweder am Johns Hopkins Hospital (JHH) oder an der Yale University einer Nierenbiopsie unterzogen. Die JHH-Kohorte identifizierte 1454 Patienten, die zwischen Januar 2019 und Dezember 2022 einer nativen Nierenbiopsie unterzogen wurden, während die Yale-Kohorte 528 Patienten untersuchte, bei denen zwischen Juli 2020 und Juni 2023 eine klinische Nierenbiopsie geplant war. Beide Kohorten schlossen Patienten aus, bei denen innerhalb eines Jahres vor der Biopsie kein Serumkreatininwert festgestellt wurde; die sich einer Nierentransplantatbiopsie unterzogen oder auf Nierenmasse untersucht wurden; und bei denen vor der Biopsie eine bekannte Vaskulitis oder Lupusnephritis vorlag.

Das Ergebnis: Insgesamt wurden 1982 Patienten untersucht und bei insgesamt 22 Prozent von ihnen wurde AIN diagnostiziert. In beiden Kohorten mussten Patienten mit AIN häufiger ins Krankenhaus und hatten höhere Serumkreatininwerte und ein höheres Verhältnis von Harnstoffstickstoff zu Kreatinin im Blut. Während das Diagnosemodell die Genauigkeit der AIN-Diagnose für Ärzte auf 77 Prozent verbessern konnte, gab es in beiden Patientenkohorten Unterschiede in der Prävalenz von AIN. Nach Berücksichtigung der Prävalenz im Zentrum verbesserte sich die Kalibrierung des Diagnosemodells erheblich, was zu genaueren AIN-Diagnosen führte.