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

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Externe Validierung eines ML-Modells zur Delir-Risikovorhersage im Echtbetrieb

Friedman JI et al. · JAMA Netw Open · erschienen 02.11.2026 · in PubMed seit 04.11.2026 · PMID 42981091

Von KI ausgewählt und zusammengefasst

Worum es geht

Qualitätssicherungsstudie zur Live-Validierung eines ML-Delir-Risikomodells (NLP + multimodale Daten) an 33.095 Aufnahmen in nicht-intensiven Stationen von zwei US-Krankenhäusern (Dez. 2024–Dez. 2025); Vergleich vor/nach Modelleinsatz.

Ergebnis

AUROC 0,91 (95% KI 0,90–0,92) am Validierungssstandort (MSM) und 0,94 (95% KI 0,93–0,94) am Entwicklungsstandort (MSH). Positive Vorhersagewert 25,9 % (MSM) und 19,4 % (MSH). Monatliche Delir-Erkennungsrate an MSM nach Einsatz signifikant von 9,23 % auf 19,59 % gestiegen (p<0,001). Modell erhielt stabilitätsunabhängig vom Retraining.

Übertragbarkeit auf Deutschland

USA-Studie; klinischer Validierungsprozess aber übertragbar auf europäische Akutkliniken.

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