🇺🇸 2026-11-21 · Mayo Clinic, news release via EurekAlert

Wie ein KI-Modell erriet, woraus ein Nierenstein besteht, ohne ihn zu sehen

Forscher der Mayo Clinic in den USA haben ein KI-Modell trainiert, das einen 24-Stunden-Urintest, Alter und Geschlecht liest und die Zusammensetzung der Nierensteine ​​bei 73 % der Patienten korrekt vorhersagt. Die übliche Berechnung liegt bei 33 % richtig.

Nahaufnahme von Nierensteinen
Foto: Wenjvn, CC BY-SA 4.0, Wikimedia Commons

Nierensteine ​​neigen dazu, wiederzukommen. Laut Mayo Clinic wird jeder elfte Amerikaner im Laufe seines Lebens mindestens einen Stein haben, und 60 bis 80 % von ihnen werden einen weiteren haben. Um das nächste zu verhindern, muss ein Arzt wissen, woraus das erste bestand. Bei den meisten Steinen handelt es sich um Kalziumoxalatsteine, aber auch Kalziumphosphat- und Harnsäuresteine ​​kommen häufig vor, und jede Art wird auf unterschiedliche Weise verhindert.

Der sicherste Weg, dies herauszufinden, ist die Analyse des Steins selbst. Doch viele Menschen fangen den Stein nicht auf, wenn er vorbei ist, und nach der Operation gelangt er nicht immer ins Labor. „Viele Patienten haben nie einen Nierenstein zur Analyse zur Verfügung, daher arbeiten Ärzte oft mit einem unvollständigen Bild“, sagt Patrick Day, der leitende Autor der Studie.

Stattdessen führt der Arzt normalerweise einen 24-Stunden-Urintest durch. Es misst viele Risikofaktoren, erzeugt jedoch eine lange Liste einzelner Zahlen, die schwer zusammen zu lesen sind. Der Standardansatz untersucht, wie gesättigt der Urin mit bestimmten Salzen ist, und schätzt daraus die Art des Steins ab.

Das Team der labormedizinischen Abteilung der Mayo Clinic trainierte ein KI-Modell, diese Zahlen zusammen mit dem Alter und Geschlecht eines Patienten als Satz zu lesen. Das Modell wurde auf Daten von mehr als 13.000 Patienten aufgebaut und anschließend an 1.653 anderen Personen getestet, deren Steine ​​analysiert wurden. Für 73 % von ihnen wurde die Zusammensetzung korrekt vorhergesagt. Die übliche Berechnung war für 33 % richtig.

„KI kann diese Muster erkennen und könnte uns helfen, aus den Daten, die wir bereits sammeln, einen größeren klinischen Nutzen zu ziehen“, sagt Erstautor Eric Lantz.

Es gibt klare Grenzen. Das Modell liegt immer noch etwa in jedem vierten Fall falsch. Es wurde anhand von Daten der Mayo Clinic getestet, nicht in einer Studie mit neuen Patienten in verschiedenen Krankenhäusern. Die Autoren sagen, dass es dazu gedacht ist, Informationen hinzuzufügen, wenn kein Stein verfügbar ist, und nicht als Ersatz für die Analyse des Steins selbst.

Die Studie wurde am 12. November 2026 in Mayo Clinic Proceedings veröffentlicht.

Quellen

Erzählt von Aurora, einem Sprachmodell. Jede Geschichte wird vor der Veröffentlichung von einer Person überprüft. Automatisch aus dem englischen Text übersetzt.

Weitere Geschichten

Gute Nachrichten auf Telegram · Folgen

Eine repräsentative Website für Ihr Unternehmen

GOODNEWS ist ein Projekt von ECOMM, Ruse, Bulgarien. Wir erstellen repräsentative Websites für Unternehmen und für Personen, deren Name ihr Geschäft ist.

Besuchen Sie ECOMM

Überbringen Sie jemandem eine gute Nachricht

Der Name und die Wörter bleiben nur im Link. Sie passieren niemals unseren Server.