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

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine-Learning-Kostenprognose bei pulmonaler arterieller Hypertonie: Feasibility-Studie

Kramer M et al. · JMIR Med Inform · erschienen 15.10.2026 · PMID 42879777

Von KI ausgewählt und zusammengefasst

Worum es geht

Retrospektive Machbarkeitsstudie zur Kombination von Vorhersage der WHO-Funktionsklasse mit Schätzung der Gesundheitskosten bei PAH-Patienten mittels sechs Machine-Learning-Algorithmen.

Ergebnis

181 PAH-Patienten; beste Performance k-nearest neighbors (r=0,40, R²=0,16), gefolgt LASSO (r=0,30, R²=0,09); geschätzte Durchschnittskosten 12.481–12.614 USD/Patient/Monat; trotz verbesserter Funktionsklasse über 12 Monate Kosten stabil. Moderate Vorhersageleistung, aber Machbarkeit der Kostenintegration demonstriert.

Übertragbarkeit auf Deutschland

Deutsche Daten notwendig; Konzept der systemischen Kostenmodellierung für Policy relevant.

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