Ein neues KI-Tool, das die Notwendigkeit einer Ernährungssonde genau vorhersagt, könnte die Patientenversorgung verändern und die Lebensqualität von Menschen mit Motoneuron-Krankheit (MND) verbessern.

Das neue Tool, das von einem Team der University of Sheffield entwickelt wurde, wird die Patientenversorgung verbessern, indem es Ärzten und Patienten die entscheidenden Informationen liefert, um den lebensverlängernden Eingriff zum idealen Zeitpunkt zu planen.

MND – auch bekannt als Amyotrophe Lateralsklerose (ALS) – ist eine verheerende, fortschreitende und tödliche Erkrankung, die die Nervenzellen angreift, die die Muskeln steuern. Mit fortschreitender Krankheit haben viele Patienten Schwierigkeiten beim Schlucken, was zu gefährlichem Gewichtsverlust und Unterernährung führt. Bei einer Gastrostomie handelt es sich um einen Eingriff, bei dem eine Ernährungssonde direkt in den Magen eingeführt wird. Dies ist für die Aufrechterhaltung der Ernährung, der Lebensqualität und sogar des Überlebens von entscheidender Bedeutung.

Allerdings ist das Timing entscheidend. Wird der Eingriff zu früh durchgeführt, kann dies zu einer Beeinträchtigung der Lebensqualität führen. Wenn es zu spät durchgeführt wird, birgt es größere Risiken und kann weniger wirksam sein, da die Patienten in ein „refraktives“ Stadium der Unterernährung gelangen können. Der Eingriff kann aufgrund einer geschwächten Atemmuskulatur sogar unmöglich werden.

Werbung
Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Forscher aus ganz Europa haben unter der Leitung von Professor Johnathan Cooper-Knock vom Institute for Translational Neuroscience (SITraN) der University of Sheffield ein hochentwickeltes Modell für maschinelles Lernen (KI) entwickelt, um die Herausforderung des unvorhersehbaren Verlaufs von MND zu bewältigen. Das Modell verwendet zum Zeitpunkt der Diagnose erfasste Routinemessungen, um abzuschätzen, wie schnell die Krankheit bei jedem einzelnen Patienten fortschreitet, und ermöglicht es Ärzten so, den optimalen Zeitpunkt für den kritischen Eingriff zu bestimmen.

Einer der schwierigsten Aspekte des Lebens mit MND ist die Unsicherheit, es ist eine grausame und verheerende Krankheit.

Bisher war es für Ärzte unmöglich vorherzusagen, wann jemand mit MND eine Ernährungssonde benötigen könnte – das kann zwischen acht Monaten und 20 Jahren nach der Diagnose der Fall sein.

Indem wir das optimale Fenster für eine Gastrostomie innerhalb von drei Monaten bestimmen, können Ärzte und Patienten die Operation besser planen und wir können dazu beitragen, die bestmögliche Lebensqualität sicherzustellen und möglicherweise die Überlebenszeit zu verlängern.“

Professor Johnathan Cooper-Knock, Universität Sheffield

Forscher verwendeten Daten von mehr als 20.000 MND-Patienten, um das KI-Modell zu entwickeln, um den Zeitpunkt vorherzusagen, zu dem ein signifikanter Gewichtsverlust eintreten wird – dies ist ein wichtiger Indikator dafür, dass eine Ernährungssonde erforderlich ist. Das neue Tool war in der Lage, das optimale Fenster zum Zeitpunkt der Diagnose mit einem mittleren Fehler von nur 3,7 Monaten vorherzusagen. Bei Patienten, die sechs Monate nach der Diagnose erneut untersucht wurden, verbesserte sich die Genauigkeit des Modells weiter, mit einem mittleren Fehler von nur 2,6 Monaten.

Professor Johnathan Cooper-Knock fügte hinzu: „Hier geht es nicht nur um einen chirurgischen Eingriff; es geht darum, die Würde des Patienten und seine Fähigkeit, sich sicher zu ernähren, zu wahren. Die Kenntnis dieses kritischen Zeitfensters ermöglicht es einem Kliniker, von der Reaktion auf das Fortschreiten der Krankheit zu einer proaktiven Behandlung überzugehen, eine optimale Versorgung zu gewährleisten und die belastenden Komplikationen zu vermeiden, die entstehen, wenn ein Patient ohnehin schon zu gebrechlich zur Operation gebracht wird.“

„Letztendlich stellt dieses Tool sicher, dass Patienten zur richtigen Zeit die richtige Versorgung erhalten und maximiert so die Qualität jedes einzelnen Tages.“

Die vielversprechenden Ergebnisse der Studie, die in der Fachzeitschrift eBioMedicine veröffentlicht wurden, bedeuten, dass Forscher nun eine prospektive klinische Studie planen, um das Tool offiziell zu validieren, bevor es zum Standardbestandteil der MND-Versorgung werden kann.


Quellen:

Journal reference:

Weinreich, M., et al. (2025). Optimised machine learning for time-to-event prediction in healthcare applied to timing of gastrostomy in ALS: a multi-centre, retrospective model development and validation study. eBioMedicine. DOI: 10.1016/j.ebiom.2025.105962. https://www.thelancet.com/journals/ebiom/article/PIIS2352-3964(25)00406-2/fulltext