gms | German Medical Science

Deutscher Rheumatologiekongress 2020, 48. Kongress der Deutschen Gesellschaft für Rheumatologie (DGRh), 34. Jahrestagung der Deutschen Gesellschaft für Orthopädische Rheumatologie (DGORh)

09.09. - 12.09.2020, virtuell

Mehrwert von Symptom-Checkern bei der Diagnosestellung von rheumatologischen Erkrankungen

Meeting Abstract

  • Johannes Knitza - Medizinische Klinik 3 - Rheumatologie und Immunologie, Universitätsklinikum Erlangen, Erlangen; Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Medizinische Klinik 3 - Rheumatologie und Immunologie, Universitätsklinikum Erlangen, Erlangen
  • Hannah Kaletta - Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Medizinische Klinik 3 - Rheumatologie und Immunologie, Universitätsklinikum Erlangen, Erlangen
  • Martin Krusche - Charité Universitätsmedizin, Medizinische Klinik mit Schwerpunkt Rheumatologie und Klinische Immunologie, Berlin
  • Melanie Hagen - Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Medizinische Klinik 3 - Rheumatologie und Immunologie, Universitätsklinikum Erlangen, Erlangen
  • Jochen Wacker - Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Medizinische Klinik 3 - Rheumatologie und Immunologie, Universitätsklinikum Erlangen, Erlangen
  • Georg Schett - Universitätsklinikum Erlangen, Innere Medizin 3, Erlangen
  • David Simon - Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Medizinische Klinik 3 - Rheumatologie und Immunologie, Universitätsklinikum Erlangen, Erlangen
  • Axel Hueber - Sozialstiftung Bamberg, Sektion Rheumatologie, Bamberg

Deutsche Gesellschaft für Rheumatologie. Deutsche Gesellschaft für Orthopädische Rheumatologie. Deutscher Rheumatologiekongress 2020, 48. Kongress der Deutschen Gesellschaft für Rheumatologie (DGRh), 34. Jahrestagung der Deutschen Gesellschaft für Orthopädische Rheumatologie (DGORh). sine loco [digital], 09.-12.09.2020. Düsseldorf: German Medical Science GMS Publishing House; 2020. DocEV.02

doi: 10.3205/20dgrh047, urn:nbn:de:0183-20dgrh0474

Veröffentlicht: 9. September 2020

© 2020 Knitza et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Einleitung: Rheumatische Erkrankungen sind oft komplex und für Studenten und fachfremde Ärzte schwer diagnostizierbar. Ob hierbei Diagnoseunterstützungssysteme wie „Ada – Deine Gesundheitshelferin“ (https://ada.com/de/) einen Mehrwehrt bringen, wurde bisher kaum untersucht.

Methoden: 71 Medizinstudenten im klinischen Abschnitt wurden randomisiert in zwei Gruppen, um drei Fallvignetten (1. Granulomatöse Polyangiitis, 2. Rheumatoide Arthritis, 3. Systemischer Lupus erythematodes) zu bearbeiten. Eine Interventionsgruppe bekam die App „Ada – Deine Gesundheitshelferin“ zur Verfügung gestellt, die Kontrollgruppe hatte keine Hilfsmittel zur Verfügung. Die Interventionsgruppe erarbeitete durch die Ada-App Nutzung Diagnosevorschläge und konnte diese beliebig übernehmen, adaptieren oder komplett ignorieren. Pro Fall konnten bis zu fünf Diagnosen angegeben werden. Die Differenzialdiagnosen der Kontrollgruppe und der Interventionsgruppe sowie die Diagnosevorschläge der App wurden miteinander verglichen. Die Studie wurde von der zuständigen Ethik-Kommission genehmigt (428_18B).

Ergebnisse: In der Interventionsgruppe waren 37 Probanden, 34 Probanden in der Kontrollgruppe. Die korrekte Diagnose an erster Stelle gaben in der Kontrollgruppe im Durchschnitt 52% (1. Fall 47%, 2. Fall 74%, 3. Fall 35%) an. In der Interventionsgruppe war in 50% der Fälle die Diagnose an erster Stelle (43%, 78%, 27%). Bei der alleinigen Betrachtung der Ada-Ergebnisse, wurde in 23% (22%, 46%, 3%) die richtige Differenzialdiagnose als die Wahrscheinlichste aufgelistet. Betrachtet man alle angegeben Diagnosen der Probanden, gab die Kontrollgruppe in 66% der Fälle (1. Fall 47%, 2. Fall 91%, 3. Fall 59%) die korrekte Diagnose unter fünf möglichen Differenzialdiagnosen an. Die Interventionsgruppe kam auf 69% (54%, 100%, 54%). Betrachtet man alleine die Ergebnisse von der Ada-App, lag der Durchschnitt bei 59% (35%, 95%, 49%). Die Bearbeitungsdauer der Fälle lag ohne Ada bei allen Fällen im Durchschnitt bei zwei Minuten. Bei Verwendung der App hingegen dauerte die Bearbeitung zwischen sieben bis zwölf Minuten. Von den Studenten, die Ada verwendeten, konnten sich nach der Nutzung 57% vorstellen, es auch im späteren klinischen Alltag zu nutzen. In der Kontrollgruppe sind es 94%.

Schlussfolgerung: „Ada – Deine Gesundheitshelferin“ liefert in dieser Studie noch keine zufriedenstellenden Ergebnisse in der Rheumatologie. Die App kann trotz künstlicher Intelligenz nicht das Fachwissen von medizinischem Personal ersetzen und war dem rheumatologischen Wissen von Medizinstudenten im klinischen Abschnitt unterlegen.

Disclosures: None declared