Die Wirksamkeit einer Antibiotikatherapie wird durch eine Vielzahl von Parametern beeinflusst: von patient*innenspezifischen klinischen Werten über molekularbiologische Zustände bis hin zu Einflüssen der Krankenhausumgebung.

Behandelnde Ärzt*innen verwenden diese Parameter bei der Wahl einer Antibiotikagabe, gestützt auf Leitlinien, medizinischem Wissen und Erfahrung. Das Zusammenwirken aller Faktoren ist jedoch bislang unbekannt und aufgrund der erwarteten Komplexität nur mit fortgeschrittenen Methoden der künstlichen Intelligenz zu entschlüsseln.

Dieses Arbeitspaket verfolgt die Entwicklung entsprechender Modelle zur KI-basierten Entscheidungsunterstützung bei der Wahl einer Antibiotikatherapie. Dazu betrachten wir drei Ziele bzgl. der Wirksamkeit eines Antibiotikums: maximale Effizienz (Erreger werden abgetötet), maximale Zielgerichtetheit (dadurch Eindämmung von Resistenzentwicklungen) und Minimierung von Nebenwirkungen.

Entscheidend bei der Wahl der Verfahren ist die Nachvollziehbarkeit des Zustandekommens und die Möglichkeit der Unsicherheitsquantifizierung einer Prognose: Ein KI-System kann Mediziner*innen in ihren Entscheidungen unterstützen, aber nicht ersetzen. Aus diesem Grund wird der Transparenz von Vorhersagen großes Gewicht beigemessen; Mediziner*innen sollen im Sinne der erklärbaren KI (“explainable AI”) erfahren, welche Faktoren maßgeblich zu konkreten Empfehlungen beitragen.

Zusammengefasst erlauben die beschriebenen Techniken eine computergestützte individualisierte Einschätzung der Wahrscheinlichkeit eines Therapieerfolgs und des Risikos des Auftretens einer Antibiotikaresistenz. Sie sind damit ein wichtiger Schritt in Richtung personalisierter Medizin. AP5 stellt sicher, dass behandelnde Ärzt*innen die Risikoprognosen ohne technische Hürden verwenden können.