25dkou514 10.3205/25dkou514 urn:nbn:de:0183-25dkou5148 Meeting Abstract Zellner Zellner Alberto Alfieri AA

Universitätsklinikum Bonn, Klinik und Poliklinik für Orthopädie und Unfallchirurgie, Bonn, Deutschland

author Fröschen Fröschen Frank Sebastian FS

Universitätsklinikum Bonn, Klinik und Poliklinik für Orthopädie und Unfallchirurgie, Bonn, Deutschland

author Roos Roos Jonas J

Universitätsklinikum Bonn, Klinik und Poliklinik für Orthopädie und Unfallchirurgie, Bonn, Deutschland

author Hischebeth Hischebeth Gunnar Thorben Rembert GTR

Universitätsklinikum Bonn, Institut für Medizinische Mikrobiologie, Immunologie und Parasitologie, Bonn, Deutschland

author German Medical Science GMS Publishing House

Düsseldorf

610 20251031 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0634 514 Deutsche Gesellschaft für Orthopädie und Unfallchirurgie Deutsche Gesellschaft für Orthopädie und Orthopädische Chirurgie Deutsche Gesellschaft für Unfallchirurgie Berufsverband für Orthopädie und Unfallchirurgie Deutscher Kongress für Orthopädie und Unfallchirurgie (DKOU 2025) Abstracts | Digitalisierung 5 Berlin 20251028 20251031 AB82-2544 TextZielsetzung und Fragestellung: Periprothetische Infektionen (PPI) stellen eine schwerwiegende Komplikation nach endoprothetischer Versorgung dar und erfordern, neben der chirurgischen Therapie, eine gezielte und mehrwöchige antibiotische Therapie. Ziel der Studie war es, die mikrobiologischen Empfehlungen zur antibiotischen Behandlung von PPI, die durch eine künstliche Intelligenz (KI) generiert wurden, mit denen eines interdisziplinären Teams (IT) bestehend aus Mikrobiologen und Orthopäden zu vergleichen. Es wurden die Unterschiede zwischen den Empfehlungen der KI und des IT hinsichtlich der empfohlenen Wirkstoffe, der Dosierung und der Dauer der Antibiotikatherapie aufgearbeitet.Material und Methoden: Basierend auf Metanalysen wurde ein Kollektiv mit 100 fiktiven Patienten mit PPI geschaffen, welche die üblichen demographischen Daten und Erregerprofil einer solchen Kohorte haben. Das Patientenprofil wurde mit Alter, Nieren- und Leberfunktion, Allergien und Erreger mit zugehörigem Antibiogramm versehen. Zielsetzung war es mit dem Patientenprofil eine Empfehlung für die endgültige Antibiose inkl. Tagesdosierung, Behandlungszeitraum i.v. und p.o. zu erhalten. Diese Informationen wurden in die KI Deepseek (Deepseek Ltd., Hangzhou, China) gefüttert, um entsprechende Empfehlungen zu erhalten. Zeitgleich wurden für die gleichen fiktiven Patienten Empfehlungen durch das IT abgegeben. Die Daten wurden in SPSS erfasst und statistisch ausgewertet. Ergebnisse: Erste Ergebnisse zeigen sowohl Übereinstimmungen als auch Unterschiede in der Auswahl der Antibiotika. Insbesondere bei multiresistenten Erregern und komplexeren Fallkonstellationen sind die Empfehlungen der KI inkongruent zu denen des IT. Bei der i.v. Therapie von Gramnegativen tendierte (in 78% der Fälle) die KI zu 3. Generation Cephalosporinen (Ceftriaxon 2g 1-0-0) wobei das IT Fosfomycin 5g 1-1-1 (in 89% der Fälle) bevorzugte. Bei der der Wahl der im Behandlungsverlauf notwendig werdenden Oralisierung konnten bei Staphylococcus aureus wurden bislang 100% unterschiedliche Wirkstoffklassen (KI = orale Cephalosporine, IT = Flourchinolone) empfohlen. Ebenso formuliert die KI für die Oralisierung der Antibiose Behandlungszeiträume (4 – 6 Wochen) und keine konkrete Behandlungsdauer. Diskussion und Schlussfolgerung: Die Studie liefert wichtige Erkenntnisse über das Potenzial und die Limitationen von KI-gestützten Entscheidungsmodellen in der orthopädischen Infektiologie. Die Beratung einer KI ist ubiquitär und zu allen Tages- und Nachtzeiten verfügbar, sodass dies in der Zukunft, insbesondere für Einrichtungen ohne angeschlossene Mikrobiologie, einen großen Vorteil für die Behandlung von PPI sein könnte. Aus unserer Sicht sind die Ergebnisse noch zu inkongruent mit denen eines erfahrenen IT, sodass dieser Ansatz klinisch noch nicht verfolgt werden sollte. Abschließend ist die KI bei Bezug der Quellen, die sie für die Entscheidungsfindung und die Empfehlungen verwendet, intransparent. 0 0 0 0