Mit KI  gegen die übermäßige Verschreibung von Opioiden

In den USA führen Eingriffe im MKG-Bereich zu den meisten Opioidverschreibungen im zahnärztlichen Bereich – sie machen mehr als 60 Prozent aller von Zahnärzten verschriebenen Opioide aus. Eingriffe wie die Weisheitszahnentfernung können auch die erste Begegnung eines Patienten mit verschreibungspflichtigen Opioiden darstellen.

Für Zahnärzte und Ärzte besteht die Herausforderung darin, vor der Operation zu wissen, welche Patienten eine zusätzliche Schmerzlinderung benötigen. Ein Team der Harvard School of Dental Medicine hat nun untersucht, ob KI zu präziseren Entscheidungen beitragen und somit Klinikern helfen kann, die Schmerzbehandlung besser auf die individuellen Bedürfnisse der Patienten abzustimmen.

„Das grundlegende Problem besteht darin, dass die Verschreibung von Opioiden immer noch weitgehend standardisiert ist, während der tatsächliche Bedarf an Schmerzmitteln bei Patienten sehr individuell ist“, sagte Hauptautor Tim Wang vom Department für Mund-, Kiefer- und Gesichtschirurgie am Massachusetts General Hospital. Zwei Patienten könnten sich derselben Operation unterziehen, durchgeführt vom selben Chirurgen, und aufgrund biologischer Unterschiede und unterschiedlicher Schmerztoleranz danach trotzdem sehr unterschiedliche Erfahrungen mit Schmerzen und Schwellungen machen.

Wie die Forschenden hervorheben, benötigten laut einer prospektiven Studie nur sieben Prozent der Patienten nach einer Weisheitszahnentfernung mit komplikationslosem Heilungsverlauf Opioide. Sie verweisen auf weitere Studien, wonach mehr als die Hälfte der nach zahnärztlichen Eingriffen verschriebenen Opioide ungenutzt bleiben, was Missbrauch oder Weitergabe begünstigt. „Die Herausforderung für den Chirurgen besteht darin, dass wir die Entscheidung über die Medikamentenverschreibung treffen müssen, bevor wir wissen, wie der einzelne Patient auf postoperative Schmerzen reagieren wird“, betont Wang.

Die Autoren warnen in dem Zusammenhang explizit vor der sogenannten „Vorsichtsverordnung“, bei der Medikamente in Erwartung potenzieller Schmerzen verschrieben werden, anstatt die Verordnung auf das individuelle Risiko und den zu erwartenden Bedarf des Patienten zu stützen. Dennoch dürften Bemühungen zur Reduzierung unnötiger Verschreibungen nicht dazu führen, dass Patienten, die zusätzliche Schmerzlinderung benötigen, ohne angemessene Behandlung dastehen.

„Letztendlich ist die Menge an klinischen, genetischen und sozialen Daten, die ein ideales Schmerztherapieschema beeinflussen können, größer als das, was ein einzelner Zahnarzt vollständig erfassen und berücksichtigen kann. Dies eröffnet die Möglichkeit, KI bei klinischen Entscheidungen einzusetzen“, schreiben die Autoren.

Dagegen könnten KI-Modelle große Mengen klinischer, verhaltensbezogener und biologischer Daten analysieren, um Muster im Zusammenhang mit Opioidkonsum, -missbrauch und Langzeitanwendung zu identifizieren: In der Studie mit mehr als 560.000 Medicare-Versicherten übertrafen die Methoden des maschinellen Lernens traditionelle statistische Ansätze bei der Vorhersage des Risikos einer Opioidüberdosis. Andere Modelle besaßen den Autoren zufolge die Fähigkeit, Opioidkonsumstörungen und einen verlängerten postoperativen Opioidkonsum mit unterschiedlicher Genauigkeit vorherzusagen.

Laut den Wissenschaftlern könnten Zahnärzte diese Tools potenziell so nutzen, dass sie diese Vorhersagen in eine individuellere Behandlung umsetzen. So könnte man die KI etwa in elektronische Patientenakten integrieren, um die geeignete Art, Menge oder Dauer einer Opioidverschreibung zu bestimmen oder Patienten zu identifizieren, die von einer zusätzlichen Überwachung profitieren könnten. Außerdem sollen bestehende Programme zur Überwachung verschreibungspflichtiger Medikamente hierdurch verbessert werden können.

„Das Versprechen der künstlichen Intelligenz liegt darin, dass sie uns ermöglichen könnte, von einem standardisierten Ansatz hin zu einer individuelleren Medikamentenverordnung zu gelangen“, sagt Wang. KI könne Zahnärzten außerdem helfen, die Daten zur Medikamentenüberwachung schnell auszuwerten und relevante Muster in der Krankengeschichte eines Patienten zu erkennen.

Nützlich sei die Technologie auch nach dem Klinikaufenthalt eines Patienten: Die Forschenden beschreiben Systeme, die patientenberichtete Schmerzen, Medikamenteneinnahme und Therapietreue einbeziehen, um Empfehlungen im Laufe der Zeit zu verfeinern und gleichzeitig Klinikern dabei helfen, gezielte Schulungen zu Schmerzmanagement und Medikamenteneinnahme anzubieten.

Die Autoren stellen indes klar, dass KI die klinische Beurteilung nicht ersetzen kann. Ein Großteil der bisherigen Forschung sei retrospektiv, und viele Modelle habe man nur unzureichend extern validiert. Ihre Leistungsfähigkeit könne zudem je nach den Populationen und den Trainingsdaten variieren.