Zu diesem Ergebnis kam eine Arbeitsgruppe, die anhand der sogenannten „Deep-Learning“-Methode Modellberechnungen für eine möglichst exakte Verlaufsprädiktion von CKD austüftelte. Bei Deep-Learning-Modellen handelt es sich um einen Teilbereich des Machine Learnings, bei der KI-gestützt große Datenmengen analysiert werden. Das Modell funktioniert dabei wie ein Netzwerk und kann alles Erlernte immer wieder mit neuen Informationen verknüpfen und daraus sozusagen neue Schlüsse ziehen.
In diesem Fall fütterten die Forschenden ihr System mit longitudinalen US-Gesundheitsdaten von 1,6 Millionen Patient:innen mit CKD. Die Daten umfassten einen Zeitraum von insgesamt vier Jahren. Neben zeitlich unveränderlichen Patientencharakteristika flossen in das Modell u. a. komplexe Daten zu den Krankheitsverläufen, Rückkopplungsschleifen (im Zusammenspiel mit Komorbiditäten) und die Auswirkung von 53 Medikamenten ein. Aus den inkludierten Faktoren wurden acht klinische Biomarker generiert, die anhand diverser Risikofaktoren die Progression der CKD vorhersagten.
Welche Komorbidität ist die wichtigste?
Der Knackpunkt, in dem sich die chronischen Nierenerkrankungen untereinander unterschieden, waren dabei die Komorbiditäten, mit welchen sie verwoben waren. Die Behandlung der Komorbiditäten spielt beim Management chronischer Nierenerkrankungen eine zentrale Rolle, da sie das Fortschreiten der CKD beschleunigen und umgekehrt. Die in die Analyse inkludierten CKD-Patient:innen ließen sich in fünf Subpopulationen einteilen, die sich in ihrem Risikoprofil unterschieden: Vier Subgruppen reagierten besonders sensibel vor allem auf einen Risikofaktor. Bei einer Gruppe reagierte der CKD-Verlauf besonders sensibel auf Hypertonie, bei der zweiten Gruppe war die Hyperglykämie verlaufsbestimmend, bei den anderen beiden waren es die Hyperlipidämie bzw. Niereninsuffizienz. Bei der fünften Gruppe schien die CKD auf keinen der untersuchten Risikofaktoren besonders stark zu reagieren.
Die Einteilung in die fünf Phänotypen der CKD liefert eine gute Grundlage, auf der sich künftig individualisierte Behandlungsstrategien gestalten lassen. Fazit: Durch die gezielte Therapie der jeweils ausschlaggebenden Komorbidität lässt sich der Verlauf der CKD effektiv bremsen. Bis es aber praktische Anhaltspunkte dafür gibt, mit welcher Komorbidität man es im Einzelfall zu tun hat, muss man aber weiterhin alle Risikofaktoren in den Blick nehmen. TP