Entwicklung eines KI-basierten klinischen Entscheidungsunterstützungssystems zur Diagnose und Therapie der Nierenkolik

26nrwgu79 10.3205/26nrwgu79 urn:nbn:de:0183-26nrwgu792 Meeting Abstract Entwicklung eines KI-basierten klinischen Entscheidungsunterstützungssystems zur Diagnose und Therapie der Nierenkolik Alexa Alexa Radu R

Universitätsklinikum Aachen, Klinik für Urologie und Kinderurologie, Aachen, Deutschland Universitätsklinikum Aachen, Centrum für Integrierte Onkologie Aachen Bonn Köln Düsseldorf, Aachen,, Deutschland

author Kranz Kranz Jennifer J

author Kramann Kramann Rafael R

Universitätsklinikum Aachen, Klinik für Nieren- und Hochdruckkrankheiten, rheumatologische und immunologische Erkrankungen, Aachen, Deutschland

author Kuppe Kuppe Christoph C

Universitätsklinikum Aachen, Klinik für Nieren- und Hochdruckkrankheiten, rheumatologische und immunologische Erkrankungen, Aachen, Deutschland

author Sanyal Sanyal Ritabrata R

Universitätsklinikum Aachen, Klinik für Nieren- und Hochdruckkrankheiten, rheumatologische und immunologische Erkrankungen, Aachen, Deutschland

author Hayat Hayat Sikander S

Universitätsklinikum Aachen, Klinik für Nieren- und Hochdruckkrankheiten, rheumatologische und immunologische Erkrankungen, Aachen, Deutschland

author Hoffmann Hoffmann Marco M

author Saar Saar Matthias M

author German Medical Science GMS Publishing House

Düsseldorf

610 20260408 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). M0643 79 Nordrhein-Westfälische Gesellschaft für Urologie e.V. 71. Kongress der Nordrhein-Westfälischen Gesellschaft für Urologie Poster Essen 20260416 20260417 P 3.16 TextEinleitung: Die Einführung einer standardisierten, automatisierten Triage bei akuter Nierenkolik hat das Potenzial, die diagnostische Genauigkeit zu verbessern, Behandlungsalgorithmen zu optimieren und Gesundheitskosten zu senken. Als ersten Schritt in Richtung eines solchen Systems entwickelten wir ein KI-basiertes Modell (vortrainiertes AlexNet-Modell), das eine automatische Erkennung der Hydronephrose mit hoher Genauigkeit ermöglicht.Methode: Die Kidney APP, ein KI-basiertes klinisches Entscheidungsunterstützungssystem, wurde entwickelt, um auf Basis vordefinierter Entscheidungsbaum-Sequenzen diagnostische und therapeutische Maßnahmen zu empfehlen. Das Tool berücksichtigt Anamnese, Vitalparameter und Laborwerte der Patienten und integriert unser vortrainiertes AlexNet-Modell zur Auswertung von Nierenultraschallbildern. Zur Validierung des Entscheidungsbaums wurden 34 fiktive klinische Fälle erstellt.Ergebnisse: In unserer Kohorte betrug der mittlere Leukozytenwert 12,55 × 109/L (SD = 5,38), der mittlere C-reaktive Proteinwert (CRP) 27,22 mg/L (SD = 42,06) und der mittlere Kreatininwert 1,20 mg/dL (SD = 0,37). Das AlexNet-Modell erreichte in der Detektion der Hydronephrose eine Gesamtgenauigkeit von 94,1% (32/34). Die Falsch-Positiv-Rate lag bei 5,3%, die Falsch-Negativ-Rate bei 6,7%. Der positiv prädiktive Wert und der F1-Score betrugen jeweils 93,3%. Die Kidney APP wurde in 34 klinischen Fällen evaluiert, indem ihre diagnostischen Empfehlungen mit denen erfahrener Urologen verglichen wurden. In 32 von 34 Fällen lieferte die APP übereinstimmende Entscheidungen (Genauigkeit 94,1%, Fehlerrate 5,9%). Die zwei abweichenden Fälle betrafen (i) die Empfehlung einer CT-Bildgebung statt primärer DJ-Stenteinlage bei hohem Ureterstein-Risiko sowie (ii) die Empfehlung einer retrograden Pyelographie statt CT bei niedrigem Risiko.Schlussfolgerung: Die Kidney APP wurde entwickelt, um die Diagnostik und das Management von Patienten mit Nierenkolik in der Notaufnahme zu standardisieren. Durch die hohe Genauigkeit ihrer diagnostischen und therapeutischen Empfehlungen kann ihre Anwendung dazu beitragen, Diagnosefehler und unnötige Bildgebungen zu reduzieren. 0 0 0 0