Maschinelles Lernen und prädiktive Analysen in der klinischen Versorgung

Maschinelles Lernen und prädiktive Analysen nutzen Muster in klinischen und Gesundheitsdaten, um die Wahrscheinlichkeit von Ergebnissen wie Diagnosen, Verschlechterung, Wiederaufnahme oder Ansprechen auf die Behandlung für einzelne Patienten abzuschätzen. Dieses Thema behandelt, wie klinische Vorhersagemodelle entwickelt, validiert und berichtet werden, sowie die methodischen Standards, die vertrauenswürdige Modelle von irreführenden unterscheiden.

Definition

Klinisches maschinelles Lernen ist die Verwendung von Algorithmen, die statistische Beziehungen aus Patientendaten lernen, um klinisch relevante Ergebnisse vorherzusagen; ein klinisches Vorhersagemodell kombiniert mehrere Prädiktoren, um die Wahrscheinlichkeit einer Diagnose (diagnostisch) oder eines zukünftigen Ereignisses (prognostisch) für eine Einzelperson abzuschätzen.

Scope

Der Eintrag behandelt überwachtes Lernen für Diagnose und Prognose, die in klinischen Umgebungen verwendeten Datenquellen und Merkmale, die zentralen Validierungskonzepte Diskriminierung, Kalibrierung und externe Validierung, die Risiken von Bias und Overfitting sowie Berichts- und Bewertungsstandards wie TRIPOD und PROBAST. Er fasst klinisches maschinelles Lernen als methodisches Thema auf und beschreibt, wie prädiktive Werkzeuge erstellt und beurteilt werden, anstatt klinische Empfehlungen zu geben.

Key concepts

• Überwachtes Lernen (Diagnose und Prognose)
• Diskriminierung, Kalibrierung und klinischer Nutzen
• Interne und externe Validierung
• Overfitting und Optimismus
• Dataset-Verschiebung und Generalisierbarkeit
• Algorithmen-Bias und Fairness
• Berichtsstandards (TRIPOD) und Bias-Risikobewertung (PROBAST)
• Deep Learning und Feature Learning

Mechanisms

Ein klinisches Vorhersagemodell wird anhand von gelabelten Daten angepasst, wobei gelernt wird, wie Prädiktoren mit einem Ergebnis zusammenhängen, und anschließend auf Diskriminierung (wie gut es diejenigen trennt, die das Ergebnis erleben und diejenigen, die es nicht erleben) und Kalibrierung (wie gut die vorhergesagten Wahrscheinlichkeiten mit den beobachteten Häufigkeiten übereinstimmen) bewertet. Da Modelle dazu neigen, auf den Daten, mit denen sie trainiert wurden, optimistisch abzuschneiden, sind interne und insbesondere externe Validierungen an neuen Populationen unerlässlich, und die Implementierung kann durch eine Dataset-Verschiebung (dataset shift) untergraben werden, wenn sich die Zielumgebung von der Entwicklungsumgebung unterscheidet (Rajkomar, 2019). Deep Learning erweitert diese Ideen, indem es Merkmale direkt aus Rohdaten wie Bildern, Signalen oder Text lernt, was die Leistung bei Wahrnehmungsaufgaben verbessern kann, während es die Interpretierbarkeit erschwert (Esteva, 2019).

Clinical relevance

Prädiktive Modelle speisen zunehmend Risikobewertungen, Frühwarnmeldungen und Triage-Tools in klinische Systeme ein, sodass ihre Genauigkeit, Kalibrierung und Fairness die Qualität der von Klinikern erhaltenen Anleitungen direkt beeinflussen. Dieser Eintrag beschreibt, wie solche Modelle entwickelt und bewertet werden; Modellausgaben sind probabilistische Schätzungen, die eine klinische Interpretation und Überwachung erfordern, und der Text ist keine Grundlage für individuelle Diagnose- oder Behandlungsentscheidungen.

Evidence & guidelines

Der methodische Konsens betont eine transparente Entwicklung und rigorose Validierung. Die TRIPOD-Erklärung legt Berichtsstandards für Studien zu Vorhersagemodellen fest, damit Methoden und Leistung bewertet werden können (Collins, 2015), und PROBAST bietet ein strukturiertes Werkzeug zur Beurteilung des Bias-Risikos und der Anwendbarkeit in solchen Studien (Wolff, 2019). Übersichten zum maschinellen Lernen in der Medizin betonen die externe Validierung, Kalibrierung, Beachtung von Bias und die Lücke zwischen retrospektiver Leistung und prospektivem klinischem Nutzen (Rajkomar, 2019; Esteva, 2019).

History

Die klinische Vorhersage hat lange Wurzeln in regressionsbasierten Risikobewertungen, aber in den 2010er Jahren kam es zu einem rapiden Wachstum des maschinellen Lernens und Deep Learning, gespeist durch elektronische Gesundheitsakten, Bildgebung und größere Datensätze. Parallel dazu wuchs die Besorgnis über Reproduzierbarkeit, übertriebene Leistung und Bias, was zu Berichts- und Bewertungsrahmen (TRIPOD, PROBAST) führte, die darauf abzielen, Modellstudien an konsistenten methodischen Standards zu messen.

Debates

Warum schneiden viele Modelle in der Praxis schlechter ab als in Entwicklungsstudien?

Unzureichende externe Validierung, Dataset-Verschiebung zwischen Entwicklungs- und Implementierungsumgebungen sowie optimistische Berichterstattung führen dazu, dass eine starke retrospektive Leistung oft nicht in einen prospektiven klinischen Nutzen umgesetzt werden kann, was strengere Validierungs- und Berichtsstandards motiviert.

Wie sollte mit algorithmischem Bias und Fairness umgegangen werden?

Modelle, die auf historischen Daten trainiert wurden, können Ungleichheiten kodieren und verstärken, was eine Debatte darüber auslöst, wie Fairness gemessen werden sollte, wann Leistungsunterschiede zwischen Gruppen akzeptabel sind und wie implementierte Modelle im Laufe der Zeit auf Bias überwacht werden können.

Key figures

• Alvin Rajkomar
• Gary S. Collins
• Karel G. M. Moons
• Isaac Kohane

Seminal works

• rajkomar-2019
• collins-2015
• wolff-2019

Frequently asked questions

Was ist der Unterschied zwischen Diskriminierung und Kalibrierung?

Diskriminierung ist die Fähigkeit eines Modells, Patienten so zu ordnen, dass diejenigen, die das Ergebnis erleben, höhere vorhergesagte Risiken erhalten als diejenigen, die es nicht tun, während Kalibrierung die Übereinstimmung zwischen vorhergesagten Wahrscheinlichkeiten und beobachteten Häufigkeiten ist; ein Modell kann gut diskriminieren, aber schlecht kalibriert sein, daher sind beide wichtig.

Warum ist die externe Validierung für klinische Vorhersagemodelle wichtig?

Modelle schneiden auf den Daten, mit denen sie erstellt wurden, oft optimistisch ab; Tests an unabhängigen Populationen und Umgebungen zeigen, wie gut ein Modell generalisiert und schützen davor, Tools einzusetzen, die versagen, wenn sich der Fallmix oder die Dokumentation von den Entwicklungsdaten unterscheidet.