Einfluss von Blutdruckselbstmessungen auf die Vorhersagegenauigkeit eines auf maschinellem Lernen basierenden Algorithmus zur Vorhersage von Präeklampsie-assoziierter Komplikationen.

Zielsetzung  Unsere Forschungsgruppe sowie weitere Autoren haben gezeigt, dass ein auf maschinellem Lernen (ML) basierender Algorithmus die Vorhersagegenauigkeit von mit Präeklampsie-assoziierten Komplikationen in einem schwangeren Hochrisikokollektiv verbessert. Allerdings wurden bisher kontinuierliche Blutdruckmessungen nicht in solche Algorithmen integriert. Im Rahmen der PreFree-Studie führten Schwangere mit erhöhtem Risiko für Präeklampsie prospektiv Blutdruckselbstmessungen durch, indem sie eine eigens dafür entwickelte App nutzten. Ziel dieser Studie war es zu untersuchen, ob diese Blutdruckselbstmessungen die Vorhersagegenauigkeit des von unserer Gruppe entwickelten Algorithmus weiter verbessern können.

Methoden und Patienten/Materialien  Zwischen November 2020 und April 2023 wurden 108 Schwangere mit erhöhtem Risiko für Präeklampsie an der Klinik für Geburtsmedizin der Charité – Universitätsmedizin Berlin rekrutiert. Nach Abschluss der Studie lagen bei 73 Schwangeren sowohl regelmäßige Blutdruckselbstmessungen als auch Informationen zum Schwangerschaftsausgang zur Auswertung vor. Verschiedene ML-Modelle wurden mit und ohne die Blutdruckselbstmessungen trainiert. Die prognostizierenden Studienendpunkte umfassten 1) fetale und/oder maternale Komplikationen, 2) Präeklampsie und 3) Kombination aus 1+2. Die Bewertung der Modelle erfolgte anhand etablierter Metriken (Sensitivität, Spezifität, positiv prädiktiver Wert (PPV), negativ prädiktiver Wert (NPV) und der ROC AUC).

Resultate  Insgesamt führten 73 Probandinnen 3836 Blutdruckselbstmessungen durch (Durchschnitt 52, Standardabweichung 52). Eine lineare Modellierung ergab die konsistentesten Ergebnisse. In Bezug auf die ROC AUC zeigte sich ein nicht signifikanter Trend hin zur verbesserten Vorhersagegenauigkeit durch Integration der Blutdruckselbstmessungen aller drei Studienendpunkte: 1) Ohne Selbstmessungen 0.81, mit Selbstmessungen 0.89 (p=0.16); 2) Ohne Selbstmessungen 0.82, mit Selbstmessungen 0.86 (p=0.115); 3) Ohne Selbstmessungen 0.87, mit Selbstmessungen 0.88 (p=0.068).

Diskussion  Dies ist die erste Studie, welche den Einfluss von Blutdruckselbstmessungen auf die Vorhersagegenauigkeit eines Algorithmus zur Vorhersage von Präeklampsie-assoziierter Komplikationen untersucht hat. Der nicht signifikante Trend in Richtung einer Verbesserung legt nahe, dass größere Studienpopulationen mit umfangreicheren Datenpunkten erforderlich sind, um ML-Modelle effektiv anwenden zu können.

Publication History

Article published online:
24 May 2024