KI-Modell erkennt verborgene Hormonstörung hinter manchen Fällen von Bluthochdruck

Ein KI-Screening-Tool zielt auf eine häufige Diagnose, die Ärzte noch immer übersehen

Forschende, die auf der ENDO 2026 Ergebnisse vorstellen, sagen, dass ein neues Modell der künstlichen Intelligenz Ärztinnen und Ärzten helfen könnte, Patienten mit primärem Aldosteronismus zu identifizieren, einer häufig unerkannten Ursache von Bluthochdruck mit zusätzlichem kardiovaskulärem Risiko. Die Studie nutzte 30 Jahre elektronischer Gesundheitsdaten, um einen Screening-Ansatz zu entwickeln, der Hochrisikopatienten vor einer formalen Diagnose markieren kann.

Primärer Aldosteronismus entsteht, wenn die Nebennieren zu viel Aldosteron produzieren, ein Hormon, das am Gleichgewicht von Natrium und Kalium beteiligt ist. Ein Überschuss an Aldosteron kann den Blutdruck erhöhen und ist mit einem höheren Risiko für Schlaganfall, koronare Herzkrankheit, Vorhofflimmern, Herzinsuffizienz und Nierenerkrankungen verbunden. Die Studie weist darauf hin, dass wirksame Behandlungen verfügbar sind, weshalb eine frühere Erkennung klinisch wichtig ist.

Nach Angaben der Forschenden kann die Erkrankung bis zu 20 % der Patientinnen und Patienten mit Hypertonie betreffen, bleibt jedoch weitgehend unterdiagnostiziert. Diese Lücke ist mit ein Grund dafür, dass die klinische Praxisleitlinie der Endocrine Society von 2025 zu einem breiteren Screening aufrief. In der Praxis ist eine Ausweitung jedoch schwierig, da große Gesundheitssysteme viele Patientinnen und Patienten mit überlappenden Symptomen, Medikamentenanamnesen und Laborprofilen sortieren müssen.

Wie das Modell aufgebaut wurde

Das Team unter Leitung von Frank Lee von der Mayo Clinic nutzte anonymisierte Daten von mehr als 22.000 Patientinnen und Patienten, die zwischen 1986 und 2025 über die Mayo Clinic Platform gesammelt wurden. Das Modell analysierte Variablen wie Alter, Geschlecht, Diagnosen im Zusammenhang mit Hypertonie und Hypokaliämie, systolische Blutdruckwerte, Kaliumspiegel sowie Verordnungen von Blutdrucksenkern oder Kaliumpräparaten.

Die Forschenden testeten das Modell anschließend an 225.887 Erwachsenen mit Hypertonie. Der leistungsstärkste Ansatz verwendete XGBoost, ein Machine-Learning-Framework, das häufig auf strukturierte klinische Daten angewendet wird. In dem berichteten Ergebnis sagte das Modell Patienten mit Risiko für primären Aldosteronismus 12 Monate vor der Diagnose voraus.

Dieser Vorlauf ist wichtig. Ein Jahr frühere Erkennung könnte Ärztinnen und Ärzten Zeit geben, Bestätigungstests anzuordnen, die Behandlung anzupassen und die Belastung durch vermeidbare kardiovaskuläre Komplikationen zu verringern. Es deutet auch darauf hin, dass KI besonders nützlich sein könnte, nicht um die Diagnose zu ersetzen, sondern um eine große Population auf eine kleinere Gruppe einzugrenzen, die genauer untersucht werden sollte.

Warum das über eine einzelne Erkrankung hinaus relevant sein könnte

Die Studie zeigt einen praktischen Anwendungsfall für Gesundheits-KI: Patienten sichtbar zu machen, die in Routinedaten verborgen sind, statt völlig neue Formen klinischer Evidenz zu erzeugen. Bluthochdruck ist häufig, doch seine Ursachen sind nicht einheitlich. Wenn Systeme Patientinnen und Patienten mit hypertoniebedingter endokriner Störung von solchen mit typischerer primärer Hypertonie unterscheiden können, kann die Versorgung gezielter und weniger reaktiv werden.

Die Ergebnisse spiegeln auch einen breiteren Trend in der Medizin wider, lange Datenreihen zu nutzen, um behandelbare Krankheiten früher zu erkennen. Weil das Modell auf Variablen beruhte, die bereits in der Routineversorgung erfasst werden, könnte die Hürde für eine Einführung geringer sein als bei Werkzeugen, die neue Bildgebung, Wearable-Daten oder Spezialtests erfordern. Dennoch ist ein Screening-Modell nur der erste Schritt. Es muss in den Arbeitsablauf integriert, systemübergreifend validiert und so eingesetzt werden, dass es die Ergebnisse in der realen Versorgung verbessert.

Vorerst stärkt die Arbeit das Argument für ein breiteres, intelligenteres Screening. Primärer Aldosteronismus ist sowohl bedeutsam als auch behandelbar. Ein Modell, das Patienten vor der formalen Erkennung der Erkrankung auf einen diagnostischen Pfad bringen kann, könnte helfen, eine der hartnäckigsten blinden Stellen in der Hypertonieversorgung zu schließen.

Dieser Artikel basiert auf einer Berichterstattung von Medical Xpress. Den Originalartikel lesen.