KI-Modell OptAB optimiert Antibiotika-Auswahl bei Sepsis

Das OptAB-Modell entstand im Rahmen des Forschungskollegs „data2health“, gefördert durch das Ministerium für Wissenschaft und Gesundheit Rheinland-Pfalz. Es kombiniert neuronale Netzwerke mit Differentialgleichungen, um aus patientenspezifischen Daten präzise Therapieempfehlungen abzuleiten. Dies ermöglicht eine gezielte und gleichzeitig schonende Behandlung von Sepsis, einer Erkrankung, die täglich etwa 160 Todesfälle allein in Deutschland verursacht. 

• Patientenspezifische Datenanalyse: Das Modell analysiert Krankheitsverläufe und bewertet Antibiotika wie Vancomycin oder Ceftriaxon hinsichtlich ihrer Wirksamkeit und Nebenwirkungen. 

• Optimierung der Therapie: Ziel ist die Verbesserung des SOFA-Scores, der das Organversagen misst, während schwere Nebenwirkungen wie Nieren- oder Leberschäden minimiert werden.  

• Datenbasierte Vorhersagen: Durch die Verarbeitung komplexer Laborwerte, darunter Kreatinin und Gesamtbilirubin, liefert OptAB vorausschauende Analysen für individuell angepasste Therapien. 

Forschungsleiter Prof. Maik Kschischo betont die Bedeutung praxisnaher Studien: „Bevor wir das Modell aus der Grundlagenforschung in die Praxis überführen können, müssen wir es nochmals in einem realistischen Umfeld testen.“ Philipp Wendland, der das Projekt ebenfalls leitet, ergänzt: „Ohne die medizinische Perspektive der Kooperationspartner Christof Schenkel-Häger und Ingobert Wenningmann hätten wir das Modell nicht entwickeln können.“ 

Die Erkrankung entsteht oft als Komplikation einer Infektion, wobei die Erreger bei Behandlungsbeginn meist unbekannt sind. Der Einsatz von Breitbandantibiotika ist zwar üblich, birgt jedoch erhebliche Risiken und Nebenwirkungen wie Nieren- oder Leberschäden. OptAB könnte hier Abhilfe schaffen, indem es gezielte Therapieoptionen auf Basis von Daten aus zehntausenden Sepsis-Fällen bereitstellt. 

MEDICA.de; Quelle: Hochschule Koblenz - University of Applied Sciences