Ein Forschungsteam in Wuhan hat ein maschinelles Lernmodell zur Vorhersage der individuellen Sterblichkeit bei COVID-19-Patienten entwickelt.

Das Modell hat dafür drei sogenannte Biomarker - ein messbarer Indikator für die Schwere oder das Vorhandensein eines Krankheitszustands -ausgemacht: Milchsäuredehydrogenase (LDH), Lymphozyten und das hochsensitive C-reaktive Protein (hs-CRP). Bislang habe die Genauigkeit, mithilfe dieser Indikatoren die Sterblichkeitsrate vorherzusagen, 90 Prozent überstiegen, so ein am Donnerstag in „Nature MachineIntelligence“ veröffentlichter Artikel.

Das Vorhersagemodell ziele darauf ab, potenziell schwere COVID-19-Patienten zu erkennen und sie frühzeitig und sofort medizinisch zu versorgen, erklärte das Forschungsteam.

Um aussagekräftige Indikatoren für Sterblichkeitsrisiken zu identifizieren, analysierten Yan Li und ihre Kollegen vom Tongji-Krankenhaus in Wuhan in der zentralchinesischen Provinz Hubei die Blutproben von 485 Patienten, die vom 10. Januar bis 18. Februar im Tongji-Krankenhaus gesammelt worden waren.

Die Autoren gaben grundlegende Informationen, Symptome, Blutproben und die Ergebnisse von Laboruntersuchungen ein, darunter Leber-, Nieren- und Gerinnungsfunktionen. Dazu kamen noch Werte zu Elektrolyten und Entzündungen, die ursprünglich gewöhnlichen, schweren und kritischen Patienten entnommen worden waren. Im Anschluss wurden diese Eingaben mit den Ergebnissen – also ob der Patient gestorben ist oder überlebt hat- in Verbindung gesetzt.

Auf diese Weise fand das Team heraus, dass LDH, hs-CRP und Lymphozyten die wichtigsten Biomarker zur Unterscheidung von Patienten mit unmittelbar drohendem Risiko sind.

Die Ergebnisse seien zuverlässig, da Hunderte von Proben getestet werden, versicherte Wang Zhongyuan, Professor für Informatik an der Universität Wuhan, am Samstag gegenüber der Global Times.

„Das maschinelle Lernen untersucht die statistische Beziehung zwischen den drei Biomarkern und der Sterblichkeitsrate. Es wäre wissenschaftlich wertvoller, die Beziehung von einem pathologischen Standpunkt aus aufzudecken. Es ist auch wichtig, externe Interventionen wie Behandlungen in die Studie einzubeziehen", schränkte er jedoch ein.