Vorhersagemodelle zur individuellen Dauer einer SARS-CoV-2-Infektion wären stationär nützlich

/WrightStudio, stock.adobe.com

Pontedera – Die Anwendung von Deep-Learningmodellen zur Abschätzung der fallbezogenen SARS-CoV-2-Infektionsdauer kann bei Krankenhausaufnahmen organisatorische Vorteile bieten.

Schwere COVID-19-Fälle erfordern oft eine stationäre Behandlung, die aufgrund der aktuellen Pandemie mitunter zu Überlastungen in Krankenhäusern, Intensivstationen und Rehabilitationseinrichtungen füh­ren. Vorhersagemodelle, die in der Lage wären, die Merkmale der Patienten und den möglichen Krank­heitsverlauf schon bei der Krankenhausaufnahme abzuschätzen, könnten organisatorische Entscheidungs­prozesse in der klinischen Praxis verbessern.

Unter starker Auslastung, zum Beispiel im Peak einer Pandemiewelle, scheint die Aufenthaltsdauer von COVID-19-Patienten auch von externen Faktoren, wie der Verfügbarkeit von Personal und Betten sowie den lokalen Unterschieden des Krankenhausmanagements beeinflusst zu werden.

Italienische Forscher um Erststudienautor Piergiuseppe Liuzzi vom BioRobotics Institut in Pontedera (Italien) sind der Auffassung, dass die Vorhersage der individuellen Infektionsdauer einen Beitrag dazu leisten könnte, Engpässe im Gesundheitssystem zu vermeiden.

Das vorgestellte Deep-Learningmodell berücksichtigt zur Prädiktion unter anderem anamnestische Daten, COVID-19-Anzeichen und -Symptome, COVID-19-Vortherapien und hämatologische Laborpara­meter. Insgesamt wurden 55 Parameter festgelegt, die alle in den ersten Stunden des Krankenhausauf­ent­halts des Patienten erfasst werden können (Medical & Biological Engineering & Computing, 2022; DOI: 10.1007/s11517-021-02479-8).

Verschiedene Modellansätze wurden am Beispiel von 222 stationierten COVID-19-Patienten (medianes Alter 76, mediane Infektionsdauer: 31 Tage [11-97 Tage]) aus der 1. Pandemiewelle entwickelt. Das beste Deep-Learningmodell berechnete die Dauer einer SARS-CoV-2-Infektion mit einem medianen absoluten Fehler von ±2,7 Tagen voraus.

Die Implementierung von Deep-Learningmodellen bei Krankenhausaufnahmen könnte eine personalisier­te Versorgung von COVID-19-Patienten erleichtern und hilfreich für die Verwaltung von Intensivstationen zum Beispiel hinsichtlich der Auslastung von Betten und Beatmungsgeräten sein.

Deep-Learningmodelle könnten zu praktischen Tools avancieren, insbesondere dann, wenn die erforder­lichen Parameter zur Berechnung leicht verfügbar sind und entsprechende Programme anwenderfreund­lich gestaltet werden, so die Einschätzung der Studienautoren.

In naher Zukunft werden Deep-Learningmodelle zudem externe Validierungsprozesse und Sensitivitäts­analy­sen zur Vorhersage in Bezug auf COVID-19-Therapien und SARS-CoV-2-Varianten berücksichtigen. © cw/aerzteblatt.de