KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · Nature (computational biology) · 2026-10-26
Entwicklung und Validierung eines interpretierbaren Machine-Learning-Modells zur Früherkennung der refraktären Mycoplasma-pneumoniae-Pneumonie: eine multizentrische Studie
Originaltitel: Development and validation of an interpretable machine learning model for early prediction of refractory mycoplasma pneumoniae pneumonia: a multi-center study
Die frühzeitige Vorhersage der refraktären Mycoplasma-pneumoniae-Pneumonie (RMPP) bei Kindern ist mit herkömmlichen Methoden schwierig. Anhand von Daten von 6,587 Kindern aus vier Zentren verglichen die Autoren sechs Machine-Learning-Modelle, wobei ein Random Forest am besten abschnitt. In zwei externen Kohorten erreichte er AUROC-Werte von 0.774 und 0.807, wobei die Fieberdauer vor der Aufnahme, der Anteil neutrophiler Granulozyten und das Alter die wichtigsten Prädiktoren waren.