AI-gestützte Identifizierung von Versorgungsmustern zur Reduktion der Diagnoseverzögerung einer axialen Spondyloarthritis

In Deutschland leiden schätzungsweise bis zu 350.000 Menschen an axialer Spondyloarthritis (axSpA), einer entzündlich-rheumatischen Erkrankung der Wirbelsäule, die häufig bereits im jungen Erwachsenenalter beginnt. Die Erkrankung äußert sich meist durch chronische Rückenschmerzen und ist aufgrund unspezifischer Symptome schwer von mechanischen Rückenschmerzen abzugrenzen. Typische Hinweise sind unter anderem Morgensteifigkeit, Nachtschmerz sowie begleitende entzündliche Erkrankungen. Dennoch beträgt die Zeit bis zur Diagnosestellung im Durchschnitt etwa sechs Jahre, was mit einer eingeschränkten Lebensqualität und erhöhten Gesundheitskosten verbunden ist. Das Projekt ARRANGES zielt darauf ab, die frühe Identifikation von Personen mit erhöhtem axSpA-Risiko zu verbessern. Hierzu wird ein KI-basiertes Vorhersagemodell entwickelt, das auf Routinedaten gesetzlich Versicherter basiert und Personen unter 45 Jahren mit einem erhöhten Risiko identifiziert. Bei auffälligem Risikoprofil erfolgt eine weitere Abklärung mittels eines Online- Fragebogens. Besteht weiterhin ein Verdacht, wird eine zeitnahe rheumatologische Diagnostik im Rahmen eines strukturierten Fast-Track-Verfahrens eingeleitet. Die neue Versorgungsform wird in einer randomisierten Studie evaluiert. Versicherte mit erhöhtem Risiko werden entweder der Interventionsgruppe (Fragebogen und Fast-Track-Diagnostik) oder der Kontrollgruppe (Standardversorgung) zugeordnet. Primäres Ziel ist die Verbesserung der Funktionsfähigkeit und Lebensqualität nach zwölf Monaten. Ergänzend werden gesundheitsökonomische, ethische und prozessuale Aspekte untersucht. Das Projekt wird für 42 Monate mit ca. 3,9 Millionen Euro gefördert. Bei nachgewiesenem Nutzen sollen Handlungsempfehlungen für eine nachhaltige Integration in die Regelversorgung abgeleitet werden. Aufgrund der Nutzung etablierter Datenstrukturen besteht ein hohes Potenzial für eine bundesweite Umsetzung.