gms | German Medical Science

Einleitung und Fragestellung: Die zunehmende Komplexität der Medizin in Diagnostik und Therapie wird im derzeitigen Gesundheitssystem durch verschiedene Entwicklung Rechnung getragen:

• Zunehmende Spezialisierung
• Wachsende Zahl von Behandlungsfällen an spezialisierten Zentren
• Einrichtung von interdisziplinäre Tumorboards oder Behandlungszentren
• Einrichtung von „Comprehensive Cancer Center“

Zwei Entwicklungen in der Medizintheorie trägt dieser Entwicklung Rechnung. Die Beschreibung eines Krankheitsbildes in seiner ganzen Komplexität wird dabei unter dem Begriff der personalisierten Medizin Rechnung getragen. Eine zweite Entwicklungslinie ist unter dem Begriff der „shared decision making“ (zwischen Arzt und Patient) zusammengefasst. Beide Entwicklungen setzen die Einbeziehung einer großen Zahl von Variablen in eine ja/nein Entscheidungsfindung voraus. Beide Begrifflichkeiten können nicht mehr ohne den Einsatz von ausgefeilten statistischen Methoden in die praktische Medizin umgesetzt werden.

Online Clinical Data Mining: Im Rahmen der Tumordokumentation werden in zahlreichen Einrichtungen die Daten von Krebspatienten gesammelt. Diese werden in regelmäßigen Abständen statistisch ausgewertet und den beteiligten Ärzten zur Verfügung gestellt. Dieser langwierige und aufwändige Prozess entspricht nicht mehr dem Stand der Technik und soll durch ein modernes und einfach zu bedienendes Online Clinical Data Mining (OCDM) System ergänzt werden, mit dessen Hilfe sollen Mediziner die Daten ihres Krebsregisters statistisch analysieren und sofort alle gängigen statistischen Kennzahlen berechnen können. Dies dient zum einen der explorativen Analyse der Daten, der Hypothesengenerierung für neue medizinische Forschungsvorhaben, für das Benchmarking, den Vergleich zwischen Kliniken und Therapieformen, wie auch für das Suchen nach ähnlichen Fällen („Case Based Reasoning“).

Case Based Reasoning: Eines der Ziele der medizinischen Statistik und dem medizinischen Data Mining liegt in der Bereitstellung Fallbasierter Statistiken, welche eine Vorhersage der Überlebenszeit eines Patienten erlauben. Die Problemstellung hierbei wird klarer, wenn man den Fall betrachtet, bei dem ein Arzt statistische Informationen, wie Überlebensprognosen, für einen spezifischen Patienten haben möchte. Da dies praktisch nicht möglich ist, sucht der Arzt nach Fällen, die möglichst ähnlich zu dem aktuellen sind. Bei Brustkrebs beispielsweise existieren viele Millionen verschiedene Arten, aber meist nur Daten von wenigen tausend Patienten. Damit ist es beinahe unmöglich genügend viele identische Fälle zu finden, welche man für eine aussagekräftige statistische Analyse benötigen würde. Um dieses Problem zu lösen haben wir ein Verfahren, beruhend auf einem regressions-basiertem Abstandsmaß, entwickelt und implementiert. Unser Ziel dabei war, eine Überlebensprognose für ein Individuum durch die Betrachtung ähnlicher Patienten zur Verfügung zu stellen. Dieses Fallbasierte Schließen („Case Based Reasoning“) ist in dieser Form beispiellos für medizinische Daten. Das OCDM System ist daher das einzige System, welches tatsächlich personalisierte Statistiken für Tumorpatienten ermöglicht.