KI-gestützte klinische Warnungen steigern Herzklappenbehandlungsraten in multizentrischer Studie
KI-gestützte klinische Warnungen verbesserten die Behandlungsraten bei Herzklappenerkrankungen um 40% in einer multizentrischen Studie mit 35 Krankenhäusern. Das System erhöhte zeitnahe Interventionen und reduzierte Ungleichheiten im Zugang zur Versorgung bei verschiedenen Patientengruppen.
Elektronische Klinikerbenachrichtigungen, die durch künstliche Intelligenz unterstützt werden, verbessern signifikant die zeitnahe Bewertung und Behandlung von Patienten mit Herzklappenerkrankungen, wie neue Daten aus einer multizentrischen Studie zeigen. Die ALERT-Studie demonstrierte, dass KI-gestützte Warnungen 27% effektiver bei der Benachrichtigung von Klinikern über den kardiovaskulären Status von Patienten waren als die Standardversorgung, was zu einer relativen Steigerung der Klappeninterventionen um 40% und einer 27%igen Zunahme multidisziplinärer Herzteam-Evaluierungen innerhalb von 90 Tagen führte.
Die Studie, an der 765 Kliniker beteiligt waren, die 2.016 Echokardiogramme in 5 US-Gesundheitssystemen mit 35 Krankenhäusern anordneten, erreichte ihren primären Endpunkt, der als Zeit bis zur chirurgischen oder transkatheter Klappenintervention gefolgt von der Zeit bis zum multidisziplinären Herzteam-Klinikbesuch innerhalb von 90 Tagen nach dem Index-Echokardiogramm definiert war. Die Ergebnisse zeigten, dass elektronische Klinikerbenachrichtigungen ein Win-Ratio von 1,27 im Vergleich zur Standardversorgung erreichten.
Daten aus der Studie deuten darauf hin, dass weiße Patienten die Mehrheit (90%) aller transkatheter Aortenklappenersatzverfahren (TAVR) darstellen, während Patienten, die schwarz, hispanisch, asiatisch oder Teil anderer ethnischer Gruppen sind, nicht mit der gleichen Rate wie weiße Patienten mit TAVR behandelt werden. Zudem erfahren Frauen mit Aortenstenose weiterhin bedeutende Ungleichheiten in der Versorgung, da sie im Vergleich zu Männern weniger wahrscheinlich für eine zeitnahe Bewertung und Klappenintervention überwiesen werden.
Die Studie nutzte eine KI-gestützte Versorgungspfad-Plattform, die automatisch Patienten mit signifikanter Aortenstenose oder Mitralklappeninsuffizienz identifiziert, die möglicherweise die leitliniengerechten Therapiekriterien erfüllen, aber keinen Behandlungsplan haben. Symptomatische schwere Aortenstenose ist eine häufige, aber schwere Form der Herzklappenerkrankung, die jährlich etwa 250.000 Menschen in den Vereinigten Staaten betrifft und gemäß AHA/ACC-Leitlinienkriterien weiterhin unterbehandelt bleibt.
Unbehandelte symptomatische schwere Aortenstenose birgt ein hohes Mortalitätsrisiko innerhalb von zwei Jahren, doch signifikante Unterbehandlung besteht weiterhin, insbesondere bei Patienten aus ethnischen Minderheitengruppen und solchen mit bestimmten hämodynamischen Profilen. Die Forschung unterstreicht den Wert von Echtzeit-Klinikwarnungen zur Beschleunigung der Diagnose und Überweisung an Spezialisten, wodurch sichergestellt wird, dass mehr Patienten – unabhängig von Rasse, Ethnizität, Geografie, Hämodynamik oder anderen Faktoren – Zugang zu leitliniengerechter, lebensrettender Versorgung haben.
Die Studienergebnisse wurden auf den Jahrestagungen des American College of Cardiology in New Orleans präsentiert und gleichzeitig im Journal of the American College of Cardiology veröffentlicht.