Comparison of parsimonious and deep learning models for predicting surgical resource utilization in total hip arthroplasty: a retrospective cohort study

Stellen Sie sich vor, Sie sind der Kapitän eines riesigen, geschäftigen Raumschiffs. Ihr Job ist nicht nur das Fliegen; es ist die Planung jedes einzelnen Landeanflugs, jeder Betankungsstation und jeder Besatzungspause mit perfekter Präzision. Wenn Sie falsch schätzen, könnten Sie ohne Treibstoff dastehen oder, noch schlimmer, eine Andockbucht leer lassen, während ein anderes Schiff hineinkrachtet. In der Welt der Medizin sind Krankenhäuser dieses Raumschiff und Operationen sind die Landungen. Jahrelang haben Ärzte versucht, genau vorherzusagen, wie lange eine Operation dauern wird und wie viele Tage ein Patient im Krankenhaus bleiben wird. Sie nutzen dabei „maschinelles Lernen“, was so ist, als würde man einem Computer beibringen, die Krankenakte eines Patienten zu lesen und die Zukunft zu erraten – ganz ähnlich wie ein superintelligenter Wetterprognostiker, der einen Sturm vorhersagt. Die große Frage, die sich alle stellen, ist: Brauchen wir einen superkomplexen, hochtechnologischen Wettersatelliten, um diese Schätzungen abzugeben, oder ist ein einfaches, altmodisches Thermometer genauso gut? Dies ist der Kern der Geschichte, die wir gleich erkunden werden.

---

Das große Vorhersagerennen: Supercomputer gegen einfache Durchschnitte

In dieser Studie beschloss ein Forscherteam, die „klügsten“ Computer der Welt gegen die „dummste“ (aber überraschend effektive) Methode von allen antreten zu lassen: einfach nur den Durchschnitt zu nehmen. Sie wollten sehen, ob prunkvolle Künstliche Intelligenz (KI) Krankenhäusern tatsächlich dabei helfen kann, Hüfttotalendoprothesen (HTP) besser zu planen als ein einfacher Taschenrechner. HTP ist der medizinische Fachbegriff für einen künstlichen Hüftgelenksersatz, eine der häufigsten Operationen, die Menschen erhalten, um ein verschlissenes Hüftgelenk zu reparieren.

Die Forscher sammelten einen gewaltigen Berg an Daten – über 307.000 Fälle von Hüftgelenkersatz aus ganz Nordamerika zwischen 2014 und 2023. Diese Daten speisten sie in zwei Arten von Modellen ein. Zuerst verwendeten sie Deep-Learning-Modelle, die wie ein Team von superintelligenten Detektiven sind, die versteckte, komplizierte Muster in einem Berg von Hinweisen finden können. Dann verwendeten sie ein einfaches Mittelwertmodell, das im Grunde ein Taschenrechner ist, der einfach sagt: „Hey, eine durchschnittliche Operation dauert 90 Minuten, also schätzen wir für jeden mal 90 Minuten.“

Das Ergebnis: Der Genie gegenüber dem Durchschnittstyp

Hier kommt die Wendung in der Handlung. Als die Forscher die reinen mathematischen Werte betrachteten, sahen die superintelligenten KI-Modelle beeindruckend aus. Sie waren etwas besser darin, die exakte Anzahl der Minuten zu erraten, die eine Operation dauern würde, oder die exakte Anzahl der Tage, die ein Patient im Krankenhaus bleiben würde. Die KI schätzte die Operationszeit mit einem Fehler von etwa 24,2 Minuten, während der einfache Durchschnitt etwas mehr daneben lag.

Aber, und das ist ein großes „Aber“, die Forscher stellten eine praktischere Frage: Hilft diese winzige Verbesserung dem Krankenhaus tatsächlich dabei, besser zu arbeiten?

Stellen Sie sich vor, Sie versuchen, eine Operation in ein 2-Stunden-Zeitfenster (120 Minuten) im Zeitplan einzupassen.

• Das Modell des einfachen Durchschnitts hatte es in 83,7 % der Fälle richtig.
• Das Super-Genie-KI-Modell hatte es in 83,8 % der Fälle richtig.

Das ist ein Unterschied von 0,1 %. Es ist, als würden Sie versuchen, den Gewinner eines Münzwurfs zu erraten, und die KI hat bei tausend Versuchen einmal mehr Kopf richtig geraten. Für das Krankenhaus ändert dieser winzige Bruchteil den Zeitplan nicht wirklich. Die komplexe KI löste das Problem „Wird diese Operation länger dauern?“ nicht besser als der bloße Blick auf die Historie vergangener Operationen.

Die Geschichte verlief etwas anders bei der Dauer des Krankenhausaufenthalts (Length of Stay):

• Wenn das Ziel war, vorherzusagen, ob ein Patient in 2 Tagen oder weniger entlassen wird, lag der einfache Durchschnitt in 77,9 % der Fälle richtig.
• Die KI lag in 81,4 % der Fälle richtig.

Das ist eine Verbesserung um 3,5 %. Es ist besser, sicher, aber es ist immer noch ein bescheidener Gewinn. Die KI hat nicht magisch die Zukunft vorhergesagt; sie hat die Genauigkeit nur ein kleines Stück nach oben genickt.

Warum hat die KI nicht groß gewonnen?

Die Forscher fanden einen klugen Grund dafür, warum der Supercomputer den einfachen Taschenrechner nicht vernichtend geschlagen hat. Sie erkannten, dass bei Hüftgelenkersatz die entscheidenden Faktoren nicht die sel seltsame medizinische Vorgeschichte des Patienten oder seine Bluttestergebnisse sind. Stattdessen wird die Dauer der Operation hauptsächlich davon bestimmt, wer die Operation durchführt (die Geschwindigkeit des Chirurgen) und wo sie stattfindet (das Team und die Regeln des Krankenhauses).

Denken Sie an das Backen eines Kuchens. Wenn Sie versuchen zu erraten, wie lange das Backen dauert, ist es viel wichtiger zu wissen, welche Ofentemperatur der Bäcker bevorzugt (der Chirurg) und welche Regeln die Bäckerei hat (das Krankenhaus), als zu wissen, ob der Bäcker Blaubeeren oder Schokostückchen mag (die spezifischen medizinischen Details des Patienten). Die Datenbank, die die Forscher verwendeten, enthielt all die Details über die „Lieblingszutaten des Bäckers“ (den Patienten), aber sie enthielt nicht die Details über den „Ofen“ (das Krankenhaus und den Chirurgen). Da die KI die wichtigsten Hinweise nicht sehen konnte, konnte sie auch nicht viel besser sein als die bloße Schätzung der Durchschnittszeit.

Das Fazente

Was ist also die Lehre für unseren Raumschiffkapitän? Wenn Sie versuchen, Hüftoperationen zu planen, müssen Sie nicht unbedingt das teuerste, komplizierteste KI-System auf dem Markt kaufen. Ein einfacher Blick auf die Durchschnittszeit funktioniert fast genauso gut, da die eigenen Regeln des Krankenhauses und die Gewohnheiten der Chirurgen die eigentlichen Treiber des Zeitplans sind, nicht die spezifischen medizinischen Daten des Patienten.

Die Studie legt nahe, dass KI-Modelle eine „Deckelung“ erreichen werden, solange Krankenhäuser nicht damit beginnen, ihre Computer mit Daten über ihre eigenen Chirurgen und Teams zu füttern. Sie können nicht viel schlauer werden, weil ihnen das wichtigste Puzzleteil fehlt. Für den Moment könnte der einfache, bescheidene Durchschnitt das praktischste Werkzeug für die Aufgabe sein, da er Geld und Komplexität spart, ohne die Genauigkeit wesentlich zu opfern. Die KI ist nicht nutzlos, aber für diese spezifische Aufgabe ist sie nicht der Zauberstab, auf den wir gehofft hatten.