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

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

KI-gestützte Hüftfraktur-Vorhersage in der Bevölkerungs-Screening-Untersuchung

Axelsson KF et al. · PLoS Med · erschienen 27.08.2026 · PMID 42658839

Von KI ausgewählt und zusammengefasst

Worum es geht

Eine schwedische Kohortenstudie entwickelte und validierte ein Deep-Learning-Modell (FRACTURE-ML) zur Vorhersage von Hüftfraktur-Risiko bei über 3,5 Millionen Personen ab 50 Jahren anhand von Diagnosen, Medikamenten und soziodemografischen Daten aus Routineunterlagen.

Ergebnis

Das Modell erreichte eine AUC von 0,89 (95%-KI 0,88–0,89) im 1-Jahres-Horizont und 0,87 im 2-Jahres-Horizont und identifizierte bei 2-Jahres-Prognose 84 % der Risikopersonen (Sensitivität) gegenüber nur 12 % bei klassischer Fraktur-Liason-Prävention (Vergleich mit Spezifität 0,79 vs. 0,98). Das Tool könnte als ressourceneffiziente primäre Screening-Lösung eingesetzt werden.

Übertragbarkeit auf Deutschland

Schwedische nationale Registerkohorte, vergleichbare öffentliche Gesundheitssysteme.

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