Neues PatientTPP-Modell verbessert Risikostratifizierung bei Übergewichtigen

Ein neues neuronales Modell namens PatientTPP nutzt einen temporalen Punktprozess, um aus über 500 000 realen klinischen Pfaden präzise Patientenrepräsentationen zu lernen. Dabei werden Diagnosen, Laborwerte und Medikamente in zeitlich geordnete Sequenzen eingebettet, sodass die Modellierung sowohl die Art als auch den Zeitpunkt von Ereignissen erfasst.

PatientTPP erweitert bisherige Ansätze, indem es statische und numerische Merkmale integriert und klinisches Fachwissen für die Codierung von Ereignissen nutzt. Dadurch entstehen robuste, interpretierbare Darstellungen, die für verschiedenste Vorhersageaufgaben eingesetzt werden können.

In der Praxis ermöglicht das Modell die Klassifizierung von mit Adipositas verbundenen Ereignissen – selbst bei Patienten mit geringem Risiko – und hat sich in einer gesundheitsökonomischen Bewertung als überlegen gegenüber dem Body-Mass-Index erwiesen. Es identifiziert Hochrisikopatienten effizienter und unterstützt so die gezielte Zuweisung teurer Therapien wie GLP‑1-Rezeptoragonisten.

PatientTPP stellt damit eine vielseitige Grundlage für die Risikobewertung von Patienten dar, die direkt in die Versorgung von Übergewichtigen und die Kostensteuerung im Gesundheitswesen einfließen kann.