Vorhersage von Behandlungserfolg und Komplikationen bei Stosswellenlithotripsie (SWL) mit Artificial Intelligence

Seltzer R et al., Tucson, USA, Abstract #PT119

Eine optimale Patientenselektion ist essenziell bei der Erfolgsmaximierung von SWL.

Aufbauend auf einem vorhergehenden Modell zur Vorhersage von SWL-Outcomes mit prä- und periprozeduralen Parametern wurde eine Artificial Intelligence (AI)-Computerplattform (TensorFlow) mit einer Python deep-learning-library (Keras) genutzt, um den Behandlungserfolg sowie Komplikationen der SWL vorherzusagen. Die Daten basieren auf den Patienten-Charakteristika, den Stein-Eigenschaften und dem SWL-Protokoll von >46.000 Datensätzen aus dem International Stone Registry (ISR). Die AI-Computerplattform erreichte dabei eine hohe Genauigkeit in der Vorhersage der Steinfreiheitsrate (SFR) (88%) und Komplikationen (73%).

Fazit: Die Implementierung von AI stellt ein großes Potenzial zur Evaluation und Prädiktion unterschiedlicher Therapieansätze im gesamten Bereich der Urologie dar. Die Qualität der Prädiktion ist dabei jedoch immer abhängig von den zugrundeliegenden Daten. Eine einheitliche (Fach-)Sprache und Dokumentation ist daher für zukünftige AI-Projekte essenziell.

Innovation: ★★★ Datenqualität: ★★☆ Praxisrelevanz: ★☆☆