gms | German Medical Science

26. Jahrestagung der deutschsprachigen Arbeitsgemeinschaft für Verbrennungsbehandlung (DAV 2008)

06.01. bis 09.01.2008, Engelberg

Wissensbasiertes medizinisches Unterstützungssystem für Evidenzbasierte Medizin (EbM) auf Basis von Burncase 3D

Meeting Abstract

Suche in Medline nach

  • M. Giretzlehner - Upper Austrian Research GmbH, Abt. f. Medizininformatik, Hagenberg, Österreich
  • J. Dirnberger - Upper Austrian Research GmbH, Abt. f. Medizininformatik, Hagenberg, Österreich

DAV 2008. 26. Jahrestagung der deutschsprachigen Arbeitsgemeinschaft für Verbrennungsbehandlung. Engelberg, 06.-09.01.2008. Düsseldorf: German Medical Science GMS Publishing House; 2008. Doc08dav26

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/dav2008/08dav26.shtml

Veröffentlicht: 30. Juni 2008

© 2008 Giretzlehner et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einführung: Evidenzbasierte Medizin ist der gewissenhafte, ausdrückliche und vernünftige Gebrauch der gegenwärtig besten externen, wissenschaftlichen Evidenz für Entscheidungen in der medizinischen Versorgung individueller Patienten [1]. Die Praxis der Evidenzbasierten Medizin beinhaltet daher die Forderung nach dem Finden der besten verfügbaren externen klinisch relevanten Forschungsergebnisse.

Die Wurzeln eines solchen wissensbasierten Unterstützungssystems für evidenzbasierte Medizin liegen in einer automatisierten computerunterstützten Suche nach dieser “besten externen klinischen Evidenz” in einer Wissensbasis.

Methoden: Das erste zu bewältigende Problem um eine derartige Wissensbasis aufzubauen ist die Akquisition der hierfür notwendigen Daten. Das Zusammenführen von Daten aus unterschiedlichen Quellen bringt üblicherweise viele Herausforderungen mit sich. Unterschiedliche Institutionen verwenden unterschiedliche Arten der Datenhaltung, unterschiedliche Konventionen, unterschiedliche Zeitspannen, unterschiedliche Stufen von Datenaggregation und beinhalten unterschiedliche Arten von Fehlern. Die Daten müssen gesammelt, eingebunden und bereinigt werden. Um diese Probleme bei der Zusammenführung von Daten zu vermeiden, setzen wir für den Zweck der Datenerfassung die Software BurnCase 3D ein, ein professionelles Klassifikations- und Dokumentationssystem um Verbrennungsverletzungen am Menschen zu Dokumentieren und zu Archivieren. BurnCase 3D ermöglicht die Erstellung einer standardisierten Dokumentation von Verbrennungsverletzungen, wodurch ein Vergleich von mehreren unterschiedlichen Fällen ermöglicht wird. Ein weiterer Vorteil ist die Möglichkeit computerunterstützte Klassifizierer oder Cluster mit diesen Daten zu trainieren, um für einen konkreten Fall einige Besonderheiten zu finden um Vorschläge bezüglich der medizinischen Behandlungen daraus abzuleiten. Um ein derartiges System zu realisieren ist es notwendig, die Daten unterschiedlicher Institutionen in einer zentralen Datenbank zusammenzuführen, um somit eine konsistente zentrale Stelle für die Daten und Auswertungen zu erstellen. Viel zu oft wurden in der Vergangenheit Systeme entwickelt, die genau für einen Anwendungsfall oder eine spezielle Domäne implementiert wurden. Eines der Ziele dieser Arbeit ist es, das Softwaresystem möglichst unabhängig von einer speziellen Domäne zu entwerfen. Für diesen Zweck wurde ein generisches Datenbankmodell entwickelt, welches die Speicherung von beliebigen medizinischen Merkmalen ermöglicht.

Ergebnisse: Die ersten Prototypen und Experimente zeigen uns, dass es möglich ist ein derartiges wissensbasiertes medizinisches Unterstützungssystem unabhängig von einer speziellen medizinischen Domäne zu erstellen, vor allem wenn es vorwiegend um die Unterstützung von evidenzbasierter Medizin geht. Die Effizienz der der EbM-Methodik ist abhängig von der Qualität der Suche nach den besten externen klinischen relevanten wissenschaftlichen Arbeiten. Dieses System beinhaltet ein Konzept, welches spezielle Relationen zwischen den Falldaten und einer externen Evidenz verwaltet. Durch diese Relationen, zusätzlicher Metainformationen der externen klinischen Evidenz und einer Ähnlichkeitssuche, kann das System Informationen über relevante externe klinische Evidenz für einen konkreten Krankheitsfall bereitstellen.

Schlussfolgerung: Eine der größten Herausforderungen für ein derartiges System ist die optimale Methode für die Klassifikation oder das Clustern zu finden, besonders in Bezug auf die gewünschte Generizität. Maschinelles Lernen ist eine experimentelle Wissenschaft, der universelle Lerner, der immer die besten Ergebnisse liefert, ist leider eine idealistische Fantasie. Darum ist es Ziel dieses Projekts, verschiedene Methoden zu vergleichen und zu kombinieren, um diejenigen zu identifizieren, die die besten Ergebnisse zum vorliegenden Problem liefern. Mit diesem Maschinenlernmechanismus wollen wir aus gesammelten Daten Wissen generieren, welches uns in der täglichen Praxis mit EbM unterstützt.


Literatur

1.
Sackett DL, Rosenberg WM, Gray JA, Haynes RB, Richardson WS. Evidence based medicine: what it is and what it isn't. Editorials. BMJ. 1996;312:71-2. Verfügbar unter: http://bmj.bmjjournals.com/cgi/content/full/312/7023/71. Externer Link