Neuer Ansatz zur Patientenclusterung bei ALS verbessert Überlebensanalyse

Forscher haben einen innovativen Clustering-Ansatz entwickelt, der die Sequenzen von ALS‑Patienten anhand eines deklarativen Fortschrittsscores gruppiert. Durch die Einbindung medizinischer Expertise und die Kombination mehrerer beschreibender Variablen entstehen neue Distanzmaße, die sowohl klassische als auch schwach überwachte Lernmethoden nutzen.

Die Methode wurde auf einer Kohorte von 353 ALS‑Patienten des Universitätskrankenhauses Tours getestet. Im Vergleich zu etablierten Techniken erzielte sie eine bessere Leistung in der Überlebensanalyse, während die Silhouettenwerte gleichwertig blieben. Die erlernten Distanzmaße erhöhen zudem die Relevanz und Verständlichkeit der Cluster für klinische Fachkräfte.

Diese Fortschritte zeigen, dass gezielte Clustering-Strategien die personalisierte Versorgung von ALS‑Patienten unterstützen können, indem sie heterogene Datenmuster klarer strukturieren und die Basis für individuell angepasste Therapien legen.