Forschende der Johns Hopkins haben eine vereinfachte, maschinell lernbasierte Formel zur Berechnung des LDL-Cholesterins entwickelt, die die Genauigkeit des etablierten Martin-Hopkins-Modells trifft und gleichzeitig die Implementierung in klinischen Laboren erheblich vereinfacht. Die Ergebnisse wurden im Fachjournal JAMA Cardiology veröffentlicht. Die präzise Bestimmung des LDL-Cholesterins ist für die Herz-Kreislauf-Prävention entscheidend, da aktuelle Leitlinien strenge Schwellenwerte für die Behandlungsentscheidung festlegen. Bisherige Berechnungsmethoden, insbesondere die seit den 1970er Jahren genutzte Friedewald-Formel, unterschätzen bei hohen Triglyzeridwerten und niedrigem LDL-Cholesterin häufig das kardiovaskuläre Risiko. Dies kann dazu führen, dass Patientinnen und Patienten keine lebensnotwendigen Therapien wie PCSK9-Inhibitoren erhalten. Die Martin-Hopkins-Gleichung adressiert dieses Problem zwar bereits präziser, erfordert jedoch oft komplexe manuelle Schritte, was ihre flächendeckende Nutzung behindert. Um diese Hürde zu überwinden, trainierten die Forschenden unter der Leitung von Dr. Seth Martin ein maschinell lernendes Modell auf Basis von 4,9 Millionen US-amerikanischen Blutproben von Kindern und Erwachsenen. Die Validierung erfolgte durch Vergleich mit der Ultrazentrifuge als Goldstandard und gegenüber den etablierten Sampson- und Friedewald-Modellen. Das Ergebnis zeigt eine minimale Abweichung von lediglich 0,5 Milligramm pro Deziliter zur Originalformel. Zudem klassifizierte die neue Algorithmenvariante 90 Prozent der Proben korrekt im jeweiligen Behandlungskontext, während andere gängige Modelle zwischen 83 und 86 Prozent erreichten. Besonders im kritischen Bereich mit niedrigen LDL-Werten unter 70 mg/dL und erhöhten Triglyzeriden zwischen 200 und 399 mg/dL erzielte die Martin-Hopkins-Variante mit 84 Prozent die höchste Treffsicherheit, während die Friedewald-Formel dort nur noch 40 Prozent korrekt einordnete. Ein zentrales Merkmal des neuen Ansatzes ist seine vollständige Transparenz und der offene Quellcode. Laut Dr. Mark Marzinke wurde bewusst auf eine Black-Box-Logik verzichtet, damit Labore die Formel nahtlos in bestehende Datenverarbeitungssysteme integrieren können. Die Technologie ersetzt lediglich den triglyzeridbasierten Teil älterer Gleichungen durch den optimierten maschinellen Lernalgorithmus. Damit unterstützt die Methode die Umsetzung der kommenden nationalen Dyslipidämie-Leitlinie von 2026, die die Nutzung des Martin-Hopkins-Verfahrens explizit empfiehlt, um Patienten zielgerichtet auf LDL-Zielwerte unter 55, 70 oder 100 mg/dL einzustellen. Durch die breite Verfügbarkeit und bewiesene Genauigkeit erhält die klinische Entscheidungsfindung eine verlässliche Grundlage, die präventive Therapien schneller und präziser verfügbar macht und damit langfristig Herzinfarkte sowie Schlaganfälle reduzieren soll.