Elefantenhospitäler: Rechenmodell trifft Ausgang nur mäßig

Ein Computermodell, das den Ausgang von Klinikaufenthalten bei asiatischen Elefanten einordnen soll, trifft nur wenig besser als eine einfache Faustregel. In einer neuen Prüfung mit Daten aus drei thailändischen Elefantenhospitälern lag die Gesamtgenauigkeit bei 0,793, während ein Verfahren, das jeden Fall als Genesung einstuft, auf 0,776 kam. Am schlechtesten schnitt das Modell bei Tieren ab, die im Hospital starben.

Die Arbeit stammt von einem Team um Worapong Kosaruk und erschien in der Fachzeitschrift PLOS One. Sie prüft ein Modell, das dieselbe Gruppe zuvor an einer einzigen Einrichtung entwickelt hatte. Ob es auch an anderen Hospitälern und in einem späteren Zeitraum funktioniert, war bisher offen.

Für die Einordnung ist wichtig: Das Modell kennt unter anderem die Dauer des Klinikaufenthalts. Es taugt deshalb nicht dazu, bei der Aufnahme eines Elefanten dessen Aussichten vorherzusagen. Die Autoren werten es als Modell, das den Verlauf während der Behandlung einordnet.

Ein eingefrorenes Modell auf neuen Daten

Das geprüfte Modell ist ein sogenannter Random Forest. Dabei werden viele einfache Entscheidungsbäume kombiniert, die gemeinsam eine Einstufung ausgeben. Ursprünglich entstand es aus Krankenakten des National Elephant Institute in Thailand aus den Jahren 2019 bis 2024.

Für die Prüfung wurde das fertige Modell unverändert angewendet, ohne es neu anzupassen oder zu kalibrieren. Die Daten stammten aus Krankenakten von Behandlungsfällen, die im Kalenderjahr 2025 in drei Hospitälern aktiv waren. Eines davon war die Einrichtung, an der das Modell ursprünglich entwickelt worden war. Dort wurde es mit späteren Daten getestet, an den beiden anderen Häusern kam es erstmals zum Einsatz.

Als Eingangsgrößen dienten nur Alter, Geschlecht, die Krankheitsgruppe und die Aufenthaltsdauer. Für jeden Fall berechnet das Modell Wahrscheinlichkeiten für drei Ausgänge: genesen, verstorben oder laufende Behandlung. Als Ergebnis gilt der Ausgang mit der höchsten Wahrscheinlichkeit.

Zur Bewertung nutzte das Team mehrere Maße. Neben der Genauigkeit gehörten dazu die ausgewogene Genauigkeit, die das Verhältnis über alle Gruppen mittelt, die Fläche unter der ROC-Kurve (AUC) als Maß für die Trennschärfe und die Log-Loss als Maß für den Wahrscheinlichkeitsfehler. Die Unsicherheitsbereiche wurden mit 2.000 Wiederholungsstichproben geschätzt, die pro Elefant zusammengefasst wurden. Das war nötig, weil manche Tiere mehrfach aufgenommen wurden.

Genauigkeit knapp über der Faustregel

Die Auswertung umfasste 237 Behandlungsfälle von 215 Elefanten. Davon endeten 184 mit Genesung, 36 waren zum Stichtag noch in Behandlung, 17 Tiere waren gestorben. Weil Genesungen so deutlich überwiegen, erreicht schon eine Regel, die jeden Fall als genesen einstuft, hohe Trefferquoten. Das Modell kam auf 0,793, die Faustregel auf 0,776.

Die ausgewogene Genauigkeit lag bei 0,732, die gewichtete Trennschärfe (AUC) bei 0,854 und die Log-Loss bei 0,617. Die Autoren schließen daraus, dass das Modell über die gesamte Gruppe hinweg Informationen zur Unterscheidung der Ausgänge behielt.

Bei den einzelnen Ausgängen zeigten sich deutliche Unterschiede. Fälle mit Genesung und solche mit laufender Behandlung erkannte das Modell besser als Todesfälle. Weil nur 17 Todesfälle vorlagen, sind die Schätzungen dazu sehr unsicher, das gilt auch für die Kalibrierung, also die Frage, ob angegebene Wahrscheinlichkeiten zu den tatsächlichen Häufigkeiten passen. Der Brier-Score, ein weiteres Fehlermaß für Wahrscheinlichkeiten, lag insgesamt bei 0,323.

Auch zwischen den Hospitälern gab es Unterschiede. Die beste Trennschärfe und den geringsten Wahrscheinlichkeitsfehler erreichte das Modell in Hospital B. In Hospital A war die ausgewogene Genauigkeit am niedrigsten und der Log-Loss-Wert am höchsten. Die Hospitäler sind in der Studie als A, B und C bezeichnet.

Zusätzliche Rechnungen sollten prüfen, wie stabil das Ergebnis ist. Wurde pro Elefant nur der erste Behandlungsfall gezählt, blieben die Werte ähnlich. Stellte man nur Todesfälle und Genesungen gegenüber, lag die AUC bei 0,726, mit einem Konfidenzintervall von 0,585 bis 0,839. Die Autoren bezeichnen das als mäßige, aber ungenaue Trennschärfe.

Ein weiterer Test entfernte die Aufenthaltsdauer aus den Eingangsgrößen. Das dafür neu angepasste Modell schnitt bei Trennschärfe und ausgewogener Genauigkeit schlechter ab und stufte keinen einzigen Fall als laufende Behandlung ein. Dieser Test ist nach Angaben der Autoren nur explorativ.

Einordnung

Eine Übersichtsarbeit im Journal of the Royal Society Interface hielt 2023 fest, Kameras, Mikrofone, Bodensensoren, Drohnen und Satelliten lieferten in den Schutzgebieten Afrikas und Asiens immer mehr Daten, und KI-Verfahren könnten helfen, sie auszuwerten. Dabei geht es um die Überwachung von Elefanten in Schutzgebieten, nicht um klinische Vorhersagen im Hospital.

Die Antwort auf die Frage nach der Übertragbarkeit fällt gemischt aus: Das Modell behält Aussagekraft, übertrifft aber die einfache Vergleichsregel nur wenig.

Das Team führt die Schwäche bei Todesfällen auf zwei Gründe zurück. Zum einen sind Todesfälle selten. Zum anderen enthält das Modell zu wenig klinische Information. Schweregrad der Erkrankung, körperlicher Zustand, Verzögerung bei der Überweisung, Behandlungsintensität, Begleiterkrankungen oder die Einschätzung der Tierärzte fehlen. Die Autoren halten es für möglich, dass solche Größen die Streuung unter den verstorbenen Tieren erklären könnten.

Auch die Aufenthaltsdauer erschwert die Deutung. Sie hängt nicht nur vom Krankheitsverlauf ab, sondern kann auch von Entlassungspraxis, Bettenkapazität, Nachsorge und davon abhängen, wann ein Ausgang erfasst wird. Die Gruppe der noch laufenden Behandlungen ist kein Endergebnis, sondern ein Status, und ihre Handhabung kann sich zwischen Hospitälern unterscheiden.

Die Autoren ziehen ein vorsichtiges Fazit: KI-gestützte Einstufung von Behandlungsausgängen verdient weitere Prüfung in Elefantenhospitälern, einen klinischen Nutzen belegt die Studie aber noch nicht.

Wie belastbar ist das?

• Es handelt sich um eine retrospektive Validierungsstudie, die ein bereits entwickeltes Modell auf Daten aus 2025 anwendet. Sie wurde in einer Fachzeitschrift veröffentlicht.
• Ausgewertet wurden 237 Behandlungsfälle von 215 Elefanten, darunter nur 17 Todesfälle.
• Zweiundzwanzig Elefanten hatten mehr als einen Behandlungsfall, zusammen 44 Fälle. Die Beobachtungen sind daher nicht ganz unabhängig, auch wenn die Unsicherheitsbereiche dies berücksichtigen.
• Gefördert wurde die Arbeit teilweise von der Chiang Mai University; die Geldgeber hatten keinen Einfluss auf Planung, Auswertung und Veröffentlichung. Nach eigener Angabe haben die Autoren keine Interessenkonflikte.
• Eines der drei Hospitäler war das Entwicklungszentrum des Modells, die Prüfung ist daher nur teilweise unabhängig.
• Die Studie zeigt nicht, dass das Modell für die routinemäßige klinische Nutzung taugt, und sie belegt keine Prognose bei der Aufnahme eines Tiers.

Offene Fragen

Als nächsten Schritt nennen die Autoren eine prospektive Prüfung, bei der das Modell im laufenden Klinikbetrieb getestet wird. Dabei ließe sich auch klären, ob eine lokale Neukalibrierung oder Aktualisierung des Modells die Leistung verbessert. Das wurde in dieser Studie nicht untersucht.

Offen ist ebenfalls, ob sich Todesfälle besser erkennen lassen, wenn zusätzliche klinische oder zeitlich fortlaufende Messungen in das Modell eingehen. Ob das Modell außerhalb Thailands oder bei Elefanten in anderen Haltungsformen funktioniert, haben die Forschenden nicht getestet.

Weitere Quellen

• Übersichtsarbeit: Elephants and algorithms: a review of the current and future role of AI in elephant monitoring, Journal of the Royal Society, Interface (2023). Quelle, abgerufen am 13.11.2026

So entstand diese Meldung: Bei der Recherche und beim Schreiben hat eine KI mitgearbeitet. Grundlage sind die Originalstudie und die oben genannten Quellen. Die Redaktion prüft Zahlen, Zitate und Aussagen gegen diese Quellen, bevor die Meldung erscheint. Das Bild ist ebenfalls KI-generiert.