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

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine Learning zur Vorhersage von Blutstrominfektionen bei Chemotherapiepatienten

Villani Junior A et al. · Support Care Cancer · erschienen 20.10.2026 · PMID 42900238

Von KI ausgewählt und zusammengefasst

Worum es geht

Retrospektive Studie an 1.220 Krebspatienten mit 1.435 bestätigten Blutstrominfektionen (2017–2022) – nutzt Multi-Label-Klassifikation mit Machine Learning, um Risikofaktoren für verschiedene Resistenzphänotypen zu identifizieren und Entscheidungshilfen für empirische Therapie zu verbessern.

Ergebnis

83,1% der Infektionen waren Non-MDRO oder pilzlich; 7,6% carbapenem-resistent. Beste Modellperformance für carbapenem-resistente Gram-negative Erreger (AUC-ROC 83,25%). Schlüsselprädiktor: Hospitalisierungstage, hämatologische Malignität, frühere MDRO-Infektion, Monozytopenie, palliative Chemotherapie. Chemotherapieklasse trug differenziell bei (z.B. Alkylanzien→Candidämie). Multi-Label-Ansatz half, komplexe Ätiologien zu differenzieren.

Übertragbarkeit auf Deutschland

Brasilien, spezialisiertes Krebszentrum; Methodik auf europäische Zentren übertragbar, aber institutsspezifische Epidemiologie beachten

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