KI-Modell sagt Zusammensetzung von Nierensteinen anhand von 24-Stunden-Urinprobe voraus

Bild: freshidea/stock.adobe.com

Ein KI-Modell der Mayo Clinic kann die Zusammensetzung von Nierensteinen anhand einer 24-Stunden-Urinprobe mit einer Genauigkeit von 73 Prozent vorhersagen. Damit ist es einem herkömmlichen Berechnungsverfahren deutlich überlegen. Das könnte insbesondere dann hilfreich sein, wenn kein Nierenstein für eine direkte Analyse zur Verfügung steht.

Forschende der Mayo Clinic (USA) haben ein Vorhersagemodell auf Basis Künstlicher Intelligenz (KI) entwickelt, das anhand einer 24-Stunden-Urinprobe die Zusammensetzung von Nierensteinen zuverlässiger bestimmen kann als der etablierte EQUIL2-Algorithmus zur Berechnung der Urinübersättigung.

„Unsere Ergebnisse zeigen, dass KI uns dabei helfen kann, aus einer Routineuntersuchung bei Patienten mit Nierensteinen zusätzliche klinisch relevante Informationen zu gewinnen“, erklärt Seniorautor Patrick Day. Diese könnten Ärzten wiederum zusätzliche Anhaltspunkte für Therapieentscheidungen und Maßnahmen zur Vermeidung weiterer Nierensteine liefern.

KI-Modell wertet mehrere Urinparameter gemeinsam aus

Für die Entwicklung des Modells nutzten die Forschenden Daten von 13.000 Patienten, bei denen sowohl eine 24-Stunden-Urinuntersuchung mit Bestimmung der Übersättigung als auch eine Analyse der Nierensteinzusammensetzung vorlag. Beide Untersuchungen waren innerhalb eines Zeitraums von 90 Tagen erfolgt.

Neben den Ergebnissen der Urinuntersuchungen flossen in die Modellierung auch Alter und Geschlecht der Patienten ein. Das Modell sollte anhand dieser Informationen zwischen vier Kategorien unterscheiden: überwiegend aus Calciumoxalat bestehende Steine, überwiegend aus Calciumphosphat bestehende Steine, Harnsäuresteine sowie sonstige Steinarten. Anschließend überprüften die Forschenden die Leistungsfähigkeit des Modells anhand eines unabhängigen Validierungsdatensatzes mit 1653 weiteren Patienten.

Dabei erreichte das KI-Modell eine Genauigkeit von 73 Prozent bei der Vorhersage der Zusammensetzung der Nierensteine. Der Vergleichswert des allein auf der Urinübersättigung basierenden EQUIL2-Verfahrens lag bei 33 Prozent. Auch in nach Alter und Geschlecht aufgeschlüsselten Patientengruppen war das KI-Modell dem konventionellen Berechnungsverfahren überlegen.

Zusätzliche Informationen für Therapie und Rezidivprävention

Die Zusammensetzung eines Nierensteins ist eine wichtige Grundlage für die Auswahl geeigneter Behandlungs- und Präventionsstrategien. Eine genaue Bestimmung der Steinart ist jedoch nicht immer möglich. Zwar gilt die direkte Analyse eines ausgeschiedenen oder operativ entfernten Steins als zuverlässigste Methode. In der klinischen Praxis steht entsprechendes Material aber häufig nicht zur Verfügung.

In solchen Fällen müssen Ärzte die Zusammensetzung anhand anderer klinischer Informationen und Laborparameter abschätzen. Die 24-Stunden-Urinuntersuchung liefert dabei bereits wichtige Hinweise auf individuelle Risikofaktoren für die Steinbildung. Allerdings ist die Interpretation der zahlreichen Einzelparameter und ihrer Wechselwirkungen komplex.

Genau hier setzt das neue KI-Modell an: Es analysiert die Messwerte nicht isoliert, sondern berücksichtigt auch Muster und Zusammenhänge zwischen den verschiedenen Parametern. Auf diese Weise sollen zusätzliche klinisch relevante Informationen aus bereits erhobenen Labordaten gewonnen werden.

Nach Einschätzung der Forschenden könnte das Modell somit insbesondere bei Patienten einen Mehrwert bieten, bei denen keine direkte Steinanalyse möglich ist. Das Modell ist jedoch ausdrücklich als Ergänzung und nicht als Ersatz für bestehende Untersuchungsergebnisse und klinische Verlaufsdaten gedacht.

(mkl/BIERMANN)