Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.
Übersichtsartikel
Hier präsentieren wir eine narrative Übersicht, die künstliche Intelligenz (KI)-basierte Vorhersagewerkzeuge für sekundäre Komplikationen und klinische Ergebnisse bei traumatischen Hirnverletzungen bewertet, die Evidenzreife über fünf Komplikationsbereiche hinweg bewertet und kritische Barrieren für die klinische Umsetzung identifiziert.
Sekundäre Komplikationen nach mittelschwerer bis schwerer traumatischer Hirnverletzung (TBI) – darunter erhöhter intrakranieller Druck (ICP), posttraumatische Anfälle, trauma-induzierte Koagulopathie (TIC) und Sepsis – verschlechtern die Prognose des Patienten erheblich. Aktuelle prognostische Werkzeuge schätzen die Gesamtmortalität und Behinderung bei der Aufnahme, sagen jedoch keine spezifischen, behandelbaren Komplikationen während des Krankenhausaufenthalts voraus. Diese narrative Übersicht bewertet, ob KI-basierte Vorhersagewerkzeuge diesen ungedeckten klinischen Bedarf adressieren können, bewertet die Reife der Evidenz in fünf Prädiktionsbereichen und identifiziert Prioritäten für zukünftige Forschung. Von Januar 2016 bis Oktober 2025 wurde eine gezielte Literaturrecherche in PubMed, Embase und Web of Science durchgeführt, ergänzt durch manuelle Referenzverfolgung. Die Studien wurden aufgrund ihrer Relevanz für KI oder maschinelles Lernen (ML) zur Vorhersage sekundärer Komplikationen oder klinischer Ergebnisse bei TBI-Patienten ausgewählt. KI-basierte Modelle erreichen eine moderate prädiktive Genauigkeit (Fläche unter der Empfänger-Betriebscharakteristikakurve [AUC] von 0,70–0,79) bis zur guten Genauigkeit (AUC ≥ 0,80) für ICP-Krisen, TIC, Sepsis und Sterblichkeit. Die Vorhersage von Krampfanfällen hat die am wenigsten ausgereifte Evidenz, ohne externe Validierungsstudien. Die ICP-Vorhersage hat die stärkste Evidenzgrundlage, mit externer Validierung und unabhängiger Replikation. Die Mortalitätsvorhersage hat das größte Evidenzvolumen, mit internationaler Multi-Dataset-Validierung. Kritische methodologische Einschränkungen bestehen fort: Die meisten Modelle stammen aus retrospektiven, ein-institutionellen Daten; nur etwa ein Drittel wurde extern validiert; und keine randomisierten Studien haben gezeigt, dass KI-gesteuerte Entscheidungen die Patientenergebnisse verbessern. KI-Vorhersagetools zeigen vielversprechende Ergebnisse bei der Vorhersage sekundärer TBI-Komplikationen, aber die aktuellen Erkenntnisse unterstützen keine routinemäßige klinische Umsetzung. Vor der Einführung erfordern diese Werkzeuge eine rigorose externe Validierung, prospektive Outcome-Studien und systematische Gerechtigkeitsbewertung über verschiedene Populationen hinweg.
TBI stellt weltweit eine der häufigsten Todes- und Langzeitursachen für Behinderungen dar, mit jährlich etwa 69 Millionen Fällen von 1,2. TBI ist die Hauptursache für Tod und Behinderung bei Personen unter 45 Jahren und verursacht tiefgreifende gesundheitliche, sozioökonomische und gesellschaftliche Belastungen 1,2,3. Eine grundlegende Unterscheidung in der TBI-Pathophysiologie trennt primäre Verletzungen – den unmittelbaren mechanischen Schaden beim Aufprall – von sekundären Verletzu....
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Suchstrategie und Studienauswahl
Eine gezielte, nicht-systematische Literaturrecherche wurde von Januar 2016 bis Oktober 2025 in PubMed, Embase und Web of Science durchgeführt. Der Starttermin 2016 wurde gewählt, um grundlegende ML-Publikationen zu erfassen, die vor dem jüngsten Anstieg der Deep-Learning-Forschung entstanden sind, während der zeitgenössische Fokus beibehalten bleibt; ihre Auswahl wird insbesondere durch die Einbeziehung von Myers et al. (2016)10 gerechtfertigt, einer bahnbrechenden Studie, die grundlegende methodologische Ansätze für die ML-basierte IC....
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
KI-Vorhersagetools zeigen echtes Potenzial zur Vorhersage sekundärer TBI-Komplikationen vor deren klinischem Auftreten 5,6,7. Repräsentative Studien in fünf Komplikationsdomänen berichten über eine prädiktive Genauigkeit von moderat (AUC 0,70–0,79) bis gut (AUC ≥ 0,80), wobei die leistungsstärksten Modelle AUC-Werte bis zu 0,92 bei interner Validierung erreichen (externe Validierung AUC typische.......
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Die Autoren erklären keine Interessenkonflikte. Kein kommerzieller Akteur hatte eine Rolle bei der Studienplanung, Interpretation oder der Entscheidung zur Einreichung zur Veröffentlichung.
Die Autoren erhielten für dieses Werk keine konkrete Finanzierung.
....Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.