Vorhersagemodell für PPCs bei Patienten, die sich einer Lungentransplantation unterziehen, mithilfe von maschinellem Lernen

Nach dem ersten Bericht über Lungentransplantationen beim Menschen im Jahr 1963 führten die raschen Fortschritte bei Immunsuppressiva seit Mitte der 1990er Jahre zu erheblichen Fortschritten sowohl bei der Quantität als auch bei der Qualität der Lungentransplantation. Im Jahr 2004 wurden weltweit insgesamt 1.815 Lungentransplantationen gemeldet. Bei Patienten, die sich einer Lungentransplantation unterziehen, handelt es sich in der Regel um ältere Patienten, die häufig nicht nur an einer eingeschränkten Lungenfunktion, sondern auch an einer allgemeinen Instabilität ihres Gesundheitszustands leiden. Trotz erfolgreicher Ergebnisse bei einer Lungentransplantation kann das Auftreten von Lungenkomplikationen nach der Operation zu einer Verschlechterung oder sogar tödlichen Folgen führen.

Postoperative pulmonale Komplikationen (PPCs) können zu einem längeren Krankenhausaufenthalt, vermehrten Komplikationen und der Notwendigkeit einer zusätzlichen Behandlung führen. Verschiedene Faktoren sind mit der Entwicklung von PPCs nach einer Lungentransplantation verbunden, darunter Alter, Rauchen, bereits bestehende Lungenerkrankungen (wie chronisch obstruktive Lungenerkrankung, Lungenfibrose usw.), immunsuppressiver Medikamentenkonsum nach der Transplantation, Diabetes, Bluthochdruck, Lungenerkrankungen Bluthochdruck, Herzerkrankungen, Infektionen, Allergien und Immunstörungen. Die retrospektive Analyse der Krankenakten erwachsener Patienten, die sich einer Lungentransplantation unterzogen haben, zielt darauf ab, Patientencharakteristika, Anästhesiemethoden, intraoperative Tests und das Auftreten von PPCs zu untersuchen. Ziel ist es, die Häufigkeit und Risikofaktoren postoperativer Atemwegskomplikationen zu analysieren und durch maschinelles Lernen ein Vorhersagemodell zu entwickeln.