Frühzeitige Vorhersage einer Kolonisation mit Carbapenemasen-produzierenden Enterobacterales bei der Aufnahme auf die Intensivstation mithilfe von maschinellem Lernen

Warum versteckte Krankenhauskeime wichtig sind

Viele der schwerstkranken Patienten werden auf Intensivstationen (ICUs) behandelt, wo starke Antibiotika und invasive Geräte häufig zum Einsatz kommen. In diesem Umfeld können sich gefährliche Darmbakterien — carbapenemasen-produzierende Enterobacterales (CPE) — unbemerkt festsetzen. Menschen, die diese Keime tragen, sind nicht unbedingt krank, können sie aber auf andere übertragen oder später lebensbedrohliche, schwer behandelbare Infektionen entwickeln. Diese Studie stellt eine praktische Frage: Lässt sich bereits zum Zeitpunkt der Aufnahme auf die Intensivstation vorhersagen, wer wahrscheinlich CPE-Träger ist, damit das Personal andere Patienten besser schützen kann?

Eine leise Bedrohung auf der Intensivstation

CPE sind Darmbakterien, die Resistenzen gegen Carbapeneme entwickelt haben — einige der stärksten Antibiotika, die eingesetzt werden, wenn andere Wirkstoffe versagen. In Südkorea sind CPE‑Infektionen in den letzten Jahren stark angestiegen, ein Trend, der global beobachtet wird. Intensivpatienten sind besonders gefährdet, weil sie oft länger im Krankenhaus bleiben, mehr Eingriffe erhalten und häufiger Antibiotika bekommen als andere Patienten. Krankenhäuser können Rektalabstriche verwenden, um CPE nachzuweisen, doch die Ergebnisse benötigen Zeit, und es ist unrealistisch, jeden neuen ICU-Patienten bis zum Eintreffen des Laborbefunds zu isolieren. Die Autorinnen und Autoren wollten ein Werkzeug entwickeln, das mit bereits bei der Aufnahme vorhandenen Informationen aus der Krankenakte abschätzt, welche Patienten wahrscheinlich CPE‑Träger sind.

Krankenhausakten nach Hinweisen durchsuchen

Die Forschenden untersuchten 4.915 erwachsene ICU-Aufnahmen in einem großen Krankenhaus in Südkorea zwischen 2022 und 2023. Bei allen Patienten wurden innerhalb von 48 Stunden nach Aufnahme Rektalabstriche entnommen. Etwa 9,2 Prozent — 453 Personen — waren mit CPE kolonisiert. Aus den elektronischen Krankenakten zogen die Forscher 42 bei Aufnahme verfügbare Informationen, darunter Alter, kürzliche Krankenhaus- und Pflegeheimaufenthalte, frühere Operationen, Grunderkrankungen, vorheriger Antibiotikaeinsatz und ob der Patient Schläuche oder Katheter hatte. Mit diesen Variablen verglichen sie zehn verschiedene Methoden des maschinellen Lernens, um herauszufinden, welche am besten zwischen CPE-Trägern und Nicht-Trägern unterscheidet.

Ein einfaches Modell mit starker Ausschlusskraft

Statt dem komplexesten Algorithmus den Vorzug zu geben, zeigte die Studie, dass eine relativ einfache Methode — logistische Regression — das beste Gleichgewicht für die Praxis bietet. Bei einem gewählten Risikoschwellenwert identifizierte das Modell etwa 73 Prozent der Träger korrekt und klassifizierte 96 Prozent der als nicht Träger vorhergesagten Personen tatsächlich als negativ. Praktisch bedeutet das: Wenn das Werkzeug anzeigt, dass ein Patient wahrscheinlich kein CPE trägt, stimmt das fast immer. Das ist entscheidend für Infektionskontrollteams, die entscheiden müssen, wer wirklich die knappen Isolationszimmer benötigt. Andere, komplexere Modelle waren zwar spezifischer, verpassten aber viele echte Träger, was sie für diesen Zweck weniger sicher macht.

Wer ist am stärksten gefährdet?

Damit das Instrument für Klinikpersonal verständlich bleibt, konzentrierten sich die Autorinnen und Autoren auf 12 wichtige Prädiktoren. Das Vorhandensein einer biliären Drainage — eines Schlauchs, der Galle aus der Leber ableitet — war mit den höchsten Chancen für eine CPE‑Kolonisation verbunden. Weitere starke Hinweise waren ein kürzlicher Aufenthalt in einer Langzeitpflegeeinrichtung, das Vorhandensein einer nasogastralen Ernährungssonde oder eines zentralen Venenkatheters, kürzliche Steroidbehandlung, vorheriger Einsatz mehrerer Antibiotika und eine längere Verweildauer im Krankenhaus vor der Aufnahme auf die Intensivstation. Eine Vorgeschichte mit Kolonisation oder Infektion durch einen anderen hartnäckigen Keim, vancomycinresistente Enterokokken, erhöhte ebenfalls die Wahrscheinlichkeit. Das Team nutzte SHAP (Shapley Additive Explanations), eine Methode, die zeigt, wie jeder Faktor das Risiko eines Patienten nach oben oder unten beeinflusst, sodass einzelne Vorhersagen kein undurchsichtiges „Black Box“-Ergebnis sind.

Von Zahlen zu Entscheidungen am Bett

Um die Forschung über den Datensatz hinaus nutzbar zu machen, entwickelten die Autorinnen und Autoren einen kostenlosen web‑basierten Rechner (www.cpepredictor.com). Kliniker können bei der Aufnahme auf die Intensivstation Antworten auf 14 einfache Fragen eingeben — etwa, ob der Patient kürzlich bestimmte Antibiotika genommen hat oder bestimmte Schläuche vorhanden sind — und das Werkzeug schätzt sofort die Wahrscheinlichkeit einer CPE‑Kolonisation. Die Autorinnen und Autoren betonen, dass das Modell am besten geeignet ist, Niedrigrisiko‑Patienten auszuschließen, nicht um Personen endgültig als Träger zu kennzeichnen. Ein positiver Befund sollte eine frühzeitige Isolation oder eine schnelle molekulare Testung veranlassen, ersetzt jedoch nicht die Standardkultur im Labor. Obwohl die Studie an einem einzigen Krankenhaus durchgeführt wurde und an anderen Orten validiert werden muss, zeigt sie, wie durchdachte, interpretierbare maschinelle Lernwerkzeuge Krankenhäusern helfen können, Infektionskontrollressourcen dort einzusetzen, wo sie am dringendsten gebraucht werden, und die Verbreitung hochresistenter Bakterien zu verringern, ohne die bereits belasteten Intensivstationen zu überfordern.

Zitation: Kim, J.H., Yang, E., Lee, Y.W. et al. Early prediction of colonization by carbapenemase-producing enterobacterales at ICU admission using machine learning. Sci Rep 16, 6705 (2026). https://doi.org/10.1038/s41598-026-37927-8

Schlüsselwörter: antibiotikaresistenz, intensivstation, Infektionskontrolle, maschinelles Lernen in der Medizin, im Krankenhaus erworbene Infektionen