Künstliche Intelligenz: eine neue Alternative zur Analyse von CKD-MBD in der Hämodialyse

Bei Hämodialysepatienten sind Abweichungen der Serumkonzentration von Kalzium, Phosphat oder Parathormon von den von KDIGO empfohlenen Werten mit einem negativen Ergebnis verbunden. Die Regulierung von Kalzium, Phosphat und Parathormon ist komplex und nicht jeder Parameter wird unabhängig voneinander reguliert. Die gleichzeitige Veränderung dieser drei Parameter bei Hämodialysepatienten ist das Ergebnis eines abnormalen Mineralstoffwechsels und der zur Korrektur dieser Anomalien eingesetzten Behandlung, die normalerweise zu Veränderungen bei mehr als einem Parameter führt. Das spezifische Ziel dieser Arbeit ist eine genaue und umfassende Analyse und Beschreibung der komplexen Zusammenhänge zwischen klinisch relevanten Parametern bei chronischen Nierenerkrankungen, Stoffwechselerkrankungen und Knochenerkrankungen. Um diese Ziele zu erreichen, haben wir einen maschinellen Lernansatz namens Random Forest verwendet, der in der Lage ist, nützliches Wissen aus einer großen Datenbank zu extrahieren. Die Analyse der komplexen Wechselwirkungen zwischen den verschiedenen Parametern erfordert einen fortgeschrittenen mathematischen Ansatz wie Random Forest. Das zweite Ziel dieser Studie besteht darin, festzustellen, ob Kalzium, Phosphat und Parathormon, Fibroblasten-Wachstumsfaktor 23 und Calcitriol langfristig mit demografischen Merkmalen, Mortalität, Komorbidität und der verschriebenen Therapie assoziiert sind. Vergleichen Sie die mit der herkömmlichen statistischen Analyse erzielten Vorhersagen mit der neuen Modellanalyse auf Basis künstlicher Intelligenz. Unsere vorläufigen Ergebnisse deuten darauf hin, dass es Wechselwirkungen zwischen einigen Parametern gibt, die stark genug sind, um in Frage zu stellen, ob die Bewertung einer bestimmten Therapie auf der Messung eines einzelnen Parameters basieren kann. Anschließend werden wir in einer prospektiven Studie an Inzidenzpatienten analysieren, ob der Einsatz dieses neuen Modells das kardiovaskuläre Risiko vorhersagen und die Therapiekosten senken kann.