Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine Learning zur Früherkennung von akutem Nierenschaden nach Nicht-Kardiochirurgie

Leins J et al. · Sci Rep · erschienen 18.08.2026 · PMID 42613359

Von KI ausgewählt und zusammengefasst

Worum es geht

Vorhersage postoperativen akuten Nierenschadens (PO-AKI) nach Nicht-Kardio-Operationen mit acht ML-Algorithmen auf großem EHR-Datensatz (n=13.890, 12,37% mit PO-AKI).

Ergebnis

Random-Forest-Klassifikator erzielte bestes ROC-AUC von 0,742 (95% CI 0,725–0,762). Prädiktoren: 62 pre-, intra- und postoperative Merkmale einschließlich Blutdruckverlauf. Modellperformance verbesserte sich von präoperativ ROC-AUC 0,722 auf postoperativ 0,738. Feature-Importance variierte zwischen Ensemble- und Nicht-Ensemble-Modellen erheblich.

Übertragbarkeit auf Deutschland

Deutschland, Hannover Medical School, deutsche EHR-Daten, vergleichbare Dokumentationspflichten und Patientenkohorte.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.