Vorhersagemodell für zusätzlichen Eingriffsbedarf bei flexibler Ureterorenoskopie mithilfe erklärbarer künstlicher Intelligenz

Warum die Vorhersage einer zweiten Stein-OP wichtig ist

Nierenstein-Operationen werden oft als einmalige Lösung beschrieben, dennoch benötigen mehr als ein Viertel der Patienten, die sich einem modernen minimalinvasiven Eingriff namens flexible Ureterorenoskopie unterziehen, eine zweite Behandlung. Diese Studie untersucht, ob künstliche Intelligenz Ärzten helfen kann vorherzusagen, welche Patienten wahrscheinlich einen weiteren Eingriff benötigen, und nutzt dazu Informationen aus Bildgebung und dem Eingriff selbst, um die Planung zu unterstützen und Patienten zusätzlichen Stress, Kosten und Erholungszeit zu ersparen.

Wie Nierensteine heute behandelt werden

Bei der flexiblen Ureterorenoskopie erreichen Chirurgen Steine im Niereninneren, indem sie eine dünne Kamera und einen Laser durch die natürliche Harnwege führen. Sie ist weniger invasiv als ältere Operationsmethoden und hat sich bei vielen Steinen als Erstbehandlung etabliert. Dennoch ist die vollständige Entfernung nicht immer möglich. Bei einigen Patienten verbleiben Fragmente, die später Schmerzen, Infektionen oder Blockaden verursachen und erneute Endoskopien, Stoßwellenbehandlungen oder invasivere Operationen notwendig machen. Bestehende Scoring-Systeme versuchen den Erfolg vorherzusagen, verwenden aber oft nur wenige Messgrößen und stoßen an Grenzen, wenn Patienten hinsichtlich Anatomie und Steinmerkmalen stark variieren.

Ein neuer Weg, aus früheren Patienten zu lernen

Die Forschenden analysierten Daten von 656 Personen, die über einen Zeitraum von zehn Jahren eine flexible Ureterorenoskopie erhalten hatten. Für jeden Patienten sammelten sie Alter, Geschlecht, Steingröße und -lage, Details aus CT-Scans, Blut- und Urinbefunde sowie technische Entscheidungen wie die Größe des Zugangsrohres und den Einsatz eines saugbasierten Geräts. Anschließend trainierten und verglichen sie vierzehn verschiedene Computerlernverfahren, von einfacher logistischer Regression bis hin zu komplexeren baumbasierten und Boosting-Modellen, um vorherzusagen, ob ein Patient schließlich einen ungeplanten zusätzlichen Eingriff benötigte.

Eine entscheidende Biegung im Inneren der Niere

Das herausragende Ergebnis war kein Laborwert oder die Steingröße, sondern ein Winkel innerhalb der Niere, an dem das zentrale Sammlersystem (Nierenbecken) auf den engen Abflusskanal trifft, der den Urin zur Blase leitet. Wenn diese Biegung, bezeichnet als ureteropelvischer Winkel des Nierenbeckens, eher spitz als offen war, stieg das Risiko für einen weiteren Eingriff erheblich an. Patienten mit einem Winkel unter 110 Grad hatten eine Nachbehandlungsrate von mehr als vier von fünf, während Patienten mit einem weiteren Winkel selten weitere Behandlungen benötigten. Dieses Muster zeigte sich bei verschiedenen Steinlagen innerhalb der Niere, was darauf hindeutet, dass dieses eine anatomische Merkmal abbildet, wie leicht Instrumente und Steinfragmente passieren können.

Instrumente und Einstellungen, die die Chancen beeinflussen

Neben der Anatomie beeinflussten bestimmte Entscheidungen während der Operation ebenfalls das Ergebnis. Größere Zugangsrohre, die den Flüssigkeitsfluss verbessern und das Entfernen von Fragmenten erleichtern, standen in Zusammenhang mit weniger zusätzlichen Eingriffen, insbesondere in Nieren mit spitzerer Biegung. Ein neueres, saugfähiges Zugangsgerät zeigte ebenfalls einen schützenden Effekt, vermutlich weil es Ablagerungen effizienter entfernt. Die KI-Modelle der Studie hoben diese Faktoren durchgehend als einflussreich hervor und bestätigten zugleich, dass größere oder multiple Steine die Herausforderung weiterhin erhöhen. Durch den Einsatz erklärbarer Techniken konnten die Autorinnen und Autoren nicht nur die Genauigkeit der Modelle darstellen, sondern auch zeigen, welche Eingangsgrößen jede Vorhersage beeinflussten und in welche Richtung.

Was das für Patientinnen, Patienten und Ärztinnen und Ärzte bedeutet

Die Arbeit deutet darauf hin, dass eine einfache Messung aus einem präoperativen CT-Scan, kombiniert mit einigen wichtigen chirurgischen Entscheidungen, ein klares Bild davon geben kann, wer wahrscheinlich mehr als einen Eingriff bei Nierensteinen benötigen wird. Für Patientinnen und Patienten könnte dies bedeuten, dass Risiken besser erläutert werden, die Auswahl der Behandlungsart individueller erfolgt und neuere Instrumente gezielter eingesetzt werden, um schwierige Anatomien auszugleichen. Für Klinikerinnen und Kliniker könnte ein leicht zu bedienender Rechner auf Basis dieser Modelle Entscheidungen unterstützen, ohne ärztliches Urteil zu ersetzen, und dazu beitragen, für jede Patientin und jeden Patienten von vornherein den am besten passenden Plan zu wählen.

Zitation: Çoban, F., Kutlu, H. & Kalyenci, B. Prediction model for additional procedure requirement in flexible ureterorenoscopy using explainable artificial intelligence. Sci Rep 16, 15292 (2026). https://doi.org/10.1038/s41598-026-46898-9

Schlüsselwörter: Nierensteine, flexible Ureterorenoskopie, Ureteropelvischer Winkel, maschinelles Lernen, Operationsplanung