Künstliche Intelligenz als bessere Option in der Sepsistherapie?

Mit einer weltweiten Inzidenz von knapp 49 Millionen (im Jahr 2017) mit geschätzt 11 Millionen Todesfällen ist die Sepsis nach wie vor eines der häufigsten Krankheitsbilder bei kritisch kranken Patienten auf der Intensivstation (Rudd KE; Lancet 2020; 395:200). Allein in Deutschland erkranken jedes Jahr etwa 280.000 Menschen an einer Sepsis, mit nach wie vor zunehmender Tendenz (SepNet Critical Care Trials Group; Intensive Care Med 2016; 42:1980). Davon sterben täglich mehr als 150 Patienten. Dabei geschieht dies größtenteils unbemerkt von der Öffentlichkeit, denn offizielle Todesfallstatistiken weisen lediglich das zur Sepsis führende Grundleiden der Verstorbenen aus. Dabei ist die Sepsis nach Herz-Kreislauf- und Tumorerkrankungen die dritthäufigste Todesursache in Deutschland. In der jüngeren Zeit haben sich moderne datenwissenschaftliche Methoden als vielversprechend herausgestellt, um komplexe medizinische Zusammenhänge zu berücksichtigen und auf deren Basis das Auftreten von Ereignissen vorherzusagen sowie mit Behandlungsempfehlungen den Arzt in seinen Entscheidungen zu unterstützen, so auch im Bereich der Sepsisbehandlung.

Unter dem „Buzzword“ Künstliche Intelligenz (KI) werden dabei unterschiedliche Methodiken subsummiert. Neben dem Maschinellen Lernen (ML), welches auch das Teilgebiet des sog. Deep Learnings auf Basis neuronaler Netzwerke beinhaltet, werden unter KI auch beispielsweise einfache regelbasierte Systeme verstanden, welche menschliches Denken und Handeln nachahmen (Abbildung).