Graph-Transformer GT-BEHRT: Kritische Analyse von Lücken in EHR-Vorhersagen

Transformer‑basierte Modelle haben die Vorhersageleistung bei longitudinalen elektronischen Gesundheitsdaten (EHR) durch groß angelegtes, selbstüberwachtes Pretraining deutlich verbessert. Dennoch behandeln die meisten EHR‑Transformer jede klinische Begegnung als ungeordnete Sammlung von Codes, was die Erfassung sinnvoller Beziehungen innerhalb eines Besuchs einschränkt. Graph‑Transformer‑Ansätze versuchen, diese Beschränkung zu überwinden, indem sie die Struktur einzelner Besuche modellieren und gleichzeitig langfristige zeitliche Muster lernen.

In dieser kritischen Bewertung wird GT‑BEHRT – ein Graph‑Transformer, der auf MIMIC‑IV‑Intensivstationsergebnissen und der Herzinsuffizienzvorhersage im All of Us‑Research‑Programm getestet wurde – eingehend analysiert. Der Artikel prüft, ob die berichteten Leistungssteigerungen echte architektonische Vorteile darstellen und ob die Evaluationsmethodik die Behauptungen von Robustheit und klinischer Relevanz untermauert. Dabei werden sieben zentrale Dimensionen moderner Machine‑Learning‑Systeme berücksichtigt: Design der Repräsentation, Pretraining‑Strategie, Transparenz der Kohortenbildung, Bewertung über reine Diskriminierung hinaus, Fairness‑Analyse, Reproduzierbarkeit und Einsatzfähigkeit.

GT‑BEHRT erzielt beeindruckende Diskriminierungswerte für die Herzinsuffizienzvorhersage innerhalb von 365 Tagen (AUROC = 94,37 ± 0,20, AUPRC = 73,96 ± 0,83, F1 = 64,70 ± 0,85). Trotz dieser Ergebnisse identifiziert die Analyse mehrere wichtige Lücken: fehlende Kalibrierungsanalyse, unvollständige Fairness‑Bewertung, Empfindlichkeit gegenüber der Kohortenwahl, begrenzte Analyse über verschiedene Phänotypen und Vorhersagehorizonte sowie eingeschränkte Reproduzierbarkeit und Deployabilität. Diese Erkenntnisse unterstreichen die Notwendigkeit, die Methodik und die Transparenz von Graph‑Transformer‑Modellen weiter zu verbessern, bevor sie in klinischen Entscheidungsprozessen eingesetzt werden können.