KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · Nature (computational biology) · 2026-10-22
Externe Validierung eines Machine-Learning-Modells zur Vorhersage von Leberschäden bei Kindern mit Mycoplasma-pneumoniae-Pneumonie
Originaltitel: External validation of a machine learning model for predicting liver injury in children with mycoplasma pneumoniae pneumonia
Eine Mycoplasma-pneumoniae-Pneumonie (MPP) bei Kindern geht mit einem hohen Risiko einer Leberverletzung einher, doch bislang gab es kein validiertes prädiktives Werkzeug zur frühzeitigen Identifizierung gefährdeter Patienten. Anhand von Daten von 1321 Kindern aus zwei Zentren in Nanjing sowie einer externen Validierungskohorte von 640 zeigte ein neuronales Netzmodell, das auf sechs leicht verfügbaren, mit dem Boruta-Algorithmus identifizierten Prädiktoren basiert — LDH, D-Dimer, CK, Alter, IL-6 und CK-MB —, die beste Leistung. Die AUCs betrugen 0.914 im Training, 0.829 im Test und 0.755 in der externen Validierung; die SHAP-Analyse identifizierte LDH als wichtigsten Prädiktor, und es wurde eine interaktive webbasierte Anwendung entwickelt, um eine frühe Risikostratifizierung zu unterstützen.