Ein neues maschinelles Lernverfahren verbessert die Früherkennung von Asthmarisiken bei Kindern erheblich. Das vom Regenstrief Institute entwickelte Werkzeug Passive Digital Marker nutzt maschinelle Algorithmen, um bereits in elektronischen Gesundheitsakten dokumentierte Daten automatisiert auszuwerten. Dadurch erhalten Kinderärzte eine präzise Unterstützung bei der Risikoeinschätzung, ohne zusätzliche Tests oder Fragebögen zu benötigen. Die Technologie analysiert routinemäßig erfasste Patientendaten wie Atemwegssymptome, Allergieanamnese, Medikationsverlauf, Infektionsgeschichten und familiäre Vorbelastungen. Auf Basis dieser Informationen klassifiziert das System jedes Kind als hoch- oder niedriggefährdet für ein persistierendes Asthma. Die Prognosegenauigkeit des Tools erreichte in einer Pilotstudie mit standardisierten klinischen Szenarien durchschnittlich 83 Prozent, während die reine Standardbeurteilung der Ärzte bei 61 Prozent lag. Der signifikante Anstieg lässt sich vor allem auf die deutlich verbesserte Identifikation von Kindern zurückführen, bei denen sich die Atemwegssymptome tatsächlich zu einer chronischen Erkrankung entwickeln. Leitender Forscher Arthur H. Owora betonte, dass das System die klinische Urteilskraft nicht ersetze, sondern ergänze. Indem es jahrelange Dokumentationsdaten zusammenführt, biete es Ärzten eine zusätzliche, datenbasierte Entscheidungsgrundlage in einem klinischen Bereich, in dem die Prognose häufig ungewiss bleibt. Asthma zählt zu den häufigsten chronischen Kinderkrankheiten, doch die Abgrenzung zwischen vorübergehenden Symptomen und dauerhaftem Asthma bleibt eine diagnostische Herausforderung. Die Evaluation erfolgte ausschließlich mit virtuellen Patientenfällen. Daher weisen die Autoren explizit darauf hin, dass die Übertragbarkeit auf den klinischen Alltag weitere Studien erfordert, um den tatsächlichen Einfluss auf Behandlungsergebnisse und Versorgungsqualität zu verifizieren. Die Ergebnisse wurden im Fachjournal Scientific Reports veröffentlicht. Das System markiert einen deutlichen Fortschritt im Bereich der klinischen Entscheidungsunterstützung durch digitale Gesundheitsdaten und könnte künftige Versorgungswege in der pädiatrischen Pneumologie grundlegend verändern.