gms | German Medical Science

53. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

15. bis 18.09.2008, Stuttgart

Zielmodellierung für automatisierte Leitlinien

Meeting Abstract

Suche in Medline nach

  • Martin Sedlmayr - Fraunhofer FIT, Sankt Augustin, Deutschland

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 53. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Stuttgart, 15.-19.09.2008. Düsseldorf: German Medical Science GMS Publishing House; 2008. DocP-32

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2008/08gmds218.shtml

Veröffentlicht: 10. September 2008

© 2008 Sedlmayr.
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

Einleitung und Fragestellung

Um den Arzt bei Entscheidungen zur Diagnostik und Therapie pro-aktiv und kontextabhängig zu unterstützen, wurden verschiedenste Ansätze zur Modellierung und Ausführung klinischer Leitlinien entwickelt. Sie reichen von hypertextbasierten Dokumentensammlungen bis hin zu klassischen, entscheidungsunterstützenden Systemen auf Basis von Regeln oder Prozessen. Allen Ansätzen gemeinsam ist, dass sie versuchen, das medizinische Wissen einer Leitlinie möglichst vollständig zu formalisieren, d.h. die Entscheidungsbäume mit den dazugehörigen Regeln, die Abfolge von Aktivitäten, sowie die assoziierten Datenmodelle [1].

Doch ein Leitlinienmodell muss mehr Informationen beinhalten als den reinen Algorithmus, d.h. den Ablauf der Aktivitäten. Die intelligente, qualitative Bewertung der Anwendung einer Leitlinie erfordert unter anderem die Kenntnis um die Ziele der Autoren einer Leitlinie sowie um die Effekte verschiedener Interventionen [2].

Da sich aber Ziele während der Anwendung einer Leitlinie im Allgemeinen nicht effektiv messen lassen, spezifizieren existierende Leitlinienmodelle zwar teilweise Ziele (goals, intentions), beschränken sich dabei aber entweder auf Freitext (String) oder einfache und automatisch auswertbare Bedingungen einzelner Aktionen oder Pläne (z.B. Temperatur<39°C als Ziel einer fiebersenkenden Maßnahme). Eine weitergehende Betrachtung komplexer Zielabhängigkeiten (z.B. Teilziele, Beiträge, Widersprüche) bieten sie ebenso wenig wie die Nutzung des Wissens um Ziele zur Auswahl von alternativen Entscheidungen und Aktivitäten.

Bisher ist kein Ansatz bekannt, der medizinische Ziele derart explizit modelliert, dass klinische Aktivitäten daraus abgeleitet werden könnten. Daher wird im Folgenden ein Ansatz gefordert, der eine explizite Zielmodellierung mit Leitlinienmodellen verknüpft und Potenzial für statische und dynamische Analysen bzw. für die Automatisierung besitzt.

Zielmodellierung

Die explizite Modellierung von Zielen wurde bisher besonders im Kontext des Requirements Engineering betrachtet, denn die Berücksichtigung von Zielen bietet bei der Erfassung von Anforderungen an zukünftige Systeme viele Vorteile [3]. So sind Ziele ein Kriterium für die Vollständigkeit einer Spezifikation, indem sie zeigen, ob mit den modellierten Funktionen alle Ziele erfüllt werden können und verhindern die Spezifikation irrelevanter Details. Zudem sind sie ein wichtiges Mittel zur Kommunikation mit Anwendern, denn die Anforderungen und Funktionen des Systementwurfs können anhand der Ziele und Teilziele nachvollzogen werden. Ziele und Teilziele sind ein natürliches Strukturierungsmerkmal in komplexen Spezifikationen und helfen, Konflikte leichter zu erkennen und zu lösen. Schließlich hilft die explizite Darstellung von Zielen bei der Auswahl möglicher Implementierungsalternativen, da Ziele stabiler sind als einzelne Funktionen, die leichter ausgetauscht und verändert werden können, sofern sie dieselben Ziele unterstützen.

Ein bekannter Ansatz zur Modellierung von Zielen im Requirements Engineering wurde unter dem Namen i* (i-Star) entwickelt [4]. Die grundlegenden Prinzipien werden durch zwei Modelle ausgedrückt: Im Strategic Dependency Model finden sich typisierte Abhängigkeiten zwischen Akteuren wieder. Das Strategic Rationale Model (Abbildung 1 [Abb. 1]) dient der Nachvollziehbarkeit und Rechtfertigung eigener Pläne und Handlungen durch dokumentierte Bezüge von Plänen und Handlungen an eigenen Zielen und an strategischen Abhängigkeiten. Die i* Modellierung wurde auch bereits mehrfach bei Team- und Logistikprozessen im Krankenhaus angewendet [5], [6].

Integration in computerinterpretierbare Leitliniensprachen

Allen Leitliniensprachen wie GLIF oder Asbru [1] gemeinsam ist die hierarchische Modellierung von Plänen mit Zuständen, Entscheidungen und Aktivitäten. Zustände definieren über Bedingungen eine momentane Situation. Das Eintreten des Zustandes kann die Ausführung einer Entscheidung oder Aktivität auslösen. Entscheidungen bestimmen aufgrund medizinischer und strategischer Kriterien den weiteren Verlauf des Prozesses. Aktivitäten werden ausgelöst und durch ein System oder den Benutzer ausgeführt (z.B. Anordnungen).

Jedes der vier Elemente besitzt Ziele: Pläne setzen die Ziele der Leitlinien um (z.B. Spontanatmung nach maschineller Beatmung). Dieses Ziel zu erfüllen, tragen Entscheidungen über diagnostische und therapeutische Aktivitäten bei. Auch Entscheidungen werden mit der Absicht getroffen, einen neuen Zustand herzustellen (z.B. die Gabe eines Medikamentes soll einen Patientenparameter verändern).

Die Integration expliziter Zielmodelle kann in existierende Leitliniensprachen erfolgen, indem die vorhandenen Klassen der Modelle um eine neue Eigenschaft „Ziel“ ergänzt, oder vorhandene Freitextziele ersetzt werden. Die Ziele werden anschließend über Abhängigkeiten und Dekomposition in Beziehung untereinander gesetzt.

Diskussion

Die Erkenntnisse des zielorientierten Requirements Engineering über die Modellierung von Aktivitäten und Zielen könnte bei der Formalisierung von Leitlinien helfen, indem der bisher evidenzbasierte Konsensprozess bei der Leitliniendefinition ein weiteres Werkzeug an die Hand bekommt. Zudem ist offensichtlich, dass die Kenntnis um höherwertige Ziele hilfreich für die Bewertung und Ausgestaltung der Anwendung von Leitlinien genutzt werden kann. So können Ziele während der Modellierungsphase zu Analysezwecken herangezogen werden, um beispielsweise Widersprüche in Entscheidungen und Aktionen zu erkennen.

Überschneidungen bei der Anwendung mehrerer Leitlinien lassen sich bisher nur schwer erkennen und auflösen. Die Berücksichtigung von Zielen kann hier vorteilhaft eingesetzt werden, da eine strategische Sicht über Einzelaktivitäten und Bedingungen steht und dadurch Widersprüche frühzeitig erkannt werden können. Dies kann die Anwendung von Leitlinien sicherer machen.

Durch geeignete Ausführungsumgebungen könnten die Ziele den konkreten Ablauf (Zeitpunkt und Reihenfolge) der fachlichen Aktivitäten bestimmen (goal-driven workflow) indem sich die Ausführung von strikten Prozessabläufen emanzipiert, sofern der resultierende Workflow die Ziele (besser) erfüllt. Dies wird insbesondere wichtig, sobald kollidierende Entscheidungen oder Aktivitäten ausgeführt werden sollen, wie es beispielsweise bei der Anwendung mehrerer Leitlinien auf einen Patienten passieren kann. Hier kann die Gewichtung der Ziele nutzbringend eingesetzt werden.


Literatur

1.
Peleg M, Tu S, Bury J, Ciccarese P, Fox J, Greenes RA, et al. Comparing computer-interpretable guideline models: a case-study approach. J Am Med Inform Assoc. 2003 Jan-Feb;10(1):52-68.
2.
Shahar Y. Automated Support to Clinical Guidelines and Care Plans: The Intention-Oriented View. 2002. http://www.openclinical.org/docs/int/briefingpapers/shahar.pdf.
3.
Lamsweerde Av. Goal-Oriented Requirements Engineering: A Guided Tour. Fifth IEEE International Symposium on Requirements Engineering, 2001 Proceedings: IEEE Computer Society; 2001. p. 249-62.
4.
Yu ESK. Towards modelling and reasoning support for early-phase requirements engineering. Proceedings of the Third IEEE International Symposium on Requirements Engineering: IEEE Computer Society; 1997. p. 226-35.
5.
Senger E. Modellierung vernetzter Logistikkreisläufe im Krankenhaus als Ausgangspunkt einer agentenba-sierten Simulation. Ilmenau: TU Ilmenau; 2001.
6.
Kethers S, Gans G, Schmitz D, Sier D. Modelling Trust Relationships in a Healthcare Network: Experiences with the TCD Framework. Proceedings of the 13th European Conference on Information Systems, Information Systems in a Rapidly Changing Economy, ECIS 2005, Regensburg, Germany, May 26-28, 2005. Regensburg; 2005.