Einen systemischen Lupus erythematodes (SLE) zu diagnostizieren, ist vor allem in der Frühphase eine Herausforderung. Auch deshalb vergehen bis zur endgültigen Diagnose der Erkrankung oft Jahre, schreiben Dr. Christina Adamichou von der Rheumatology, Clinical Immunology and Allergyder University of Crete School of Medicine in Heraklion und Kollegen. Zwar helfen Kriterien wie die der Systemic Lupus International Collaborating Clinics (SLICC) und der European League Against Rheumatism/American College of Rheumatology (EULAR/ACR) in vielen Fällen weiter. Die Frühdiagnose bleibt jedoch trotzdem eine Herausforderung.

Um hier besser zu werden und schnell und zuverlässig zur Diagnose zu kommen, haben die griechischen Rheumatologen mithilfe Künstlicher Intelligenz (KI) einen neuen, einfachen Score entwickelt.

Bisher ungenutzte Merkmale dabei

Dazu fütterten sie die KI mit den Daten von 401 SLE-Patienten und 401 Menschen mit anderen rheumatischen Erkrankungen. Zur externen Validierung wurden die Daten von weiteren 513 SLE-Patienten und 143 Kontrollen herangezogen. Anhand der Ergebnisse erstellten sie den SLE Risk Probability Index (SLERPI), ein neues statistisches Diagnosemodell. Dabei setzten sie sowohl die klar definierten, bekannten Merkmale ein als auch andere, bisher in den Standard-Klassifikationen nicht genutzte. Mit Erfolg: Das statistische Modell war in der Lage, zwischen unwahrscheinlichem, möglichem, wahrscheinlichem und sicherem SLE zu unterscheiden und die Erkrankung gut von den typischen Differenzialdiagnosen abzugrenzen.

Im klinischen Alltag stellt sich vor allem die Frage: Hat der Patient einen Lupus oder hat er keinen? Auch bei dieser Betrachtung lag das Modell mit 94,8 % der Fälle richtig. Eine hohe Sensitivität zeigte es zudem bei Frühformen der Erkrankung (93,8 %), Lupusnephritis (97,9 %), neuropsychiatrischem Lupus (91,8 %) und schwerem, Immunsuppressiva oder Biologika benötigendem SLE (96,4 %).