Machine-Learning-Modell zur Triage in Schwedens Darmkrebs-Screening
Von KI ausgewählt und zusammengefasst
Worum es geht
Externe Validierung von zwei Modellen (logistische Regression und CatBoost) zur Priorisierung von Schnellbahn-Koloskopien anhand von FIT-Ergebnis, Laborwerten und Symptomen an schwedischen Patienten.
Ergebnis
Entwicklungs-AUC 0,77–0,81; externe Validierungs-AUC nur 0,66–0,67. Kalibrierungsverlust beobachtet. Diskriminationsgüte bescheiden; Überlegenheit gegenüber Eingangskriterium nicht nachgewiesen, da alle Patienten koloskopiert wurden. FIT, verdächtige Bildgebung und Alter wichtigste Prädiktoren.
Übertragbarkeit auf Deutschland
Schweden, vergleichbar dezentrales Gesundheitssystem; External Validation zeigt Generalisierungsprobleme – zentrale Lehre für regionale Implementierung auch in Deutschland.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.