gms | German Medical Science

86. Jahresversammlung der Deutschen Gesellschaft für Hals-Nasen-Ohren-Heilkunde, Kopf- und Hals-Chirurgie e. V.

Deutsche Gesellschaft für Hals-Nasen-Ohren-Heilkunde, Kopf- und Hals-Chirurgie e. V.

13.05. - 16.05.2015, Berlin

Modellierung der TNM-Klassifikation des Larynxkarzinoms zur Unterstützung der Therapieentscheidung auf Basis von Multi-Instanz Bayesʼschen Netzwerken

Meeting Abstract

  • corresponding author Matthäus Stöhr - Universitätsklinik für HNO-Heilkunde/Plastische Chirurgie, Leipzig
  • Mario Cypko - Innovation Center Computer Assisted Surgery, Leipzig
  • Heinz Lemke - Image Processing and Informatics Laboratory, Los Angeles, USA
  • Andreas Dietz - Universitätsklinik für HNO-Heilkunde/Plastische Chirurgie, Leipzig
  • Kerstin Denecke - Innovation Center Computer Assisted Surgery, Leipzig

Deutsche Gesellschaft für Hals-Nasen-Ohren-Heilkunde, Kopf- und Hals-Chirurgie. 86. Jahresversammlung der Deutschen Gesellschaft für Hals-Nasen-Ohren-Heilkunde, Kopf- und Hals-Chirurgie. Berlin, 13.-16.05.2015. Düsseldorf: German Medical Science GMS Publishing House; 2015. Doc15hnod261

doi: 10.3205/15hnod261, urn:nbn:de:0183-15hnod2614

Veröffentlicht: 26. März 2015

© 2015 Stöhr et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen. Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden. Lizenz-Angaben siehe http://creativecommons.org/licenses/by-nc-nd/3.0/.


Gliederung

Text

Einleitung: Die Therapieentscheidung bei Patienten mit Kopf-Hals-Tumoren (HNC) wird auf Basis vieler Informationsentitäten (IEs) im interdisziplinären Kopf-Hals-Tumorboard (HN-TB) getroffen. Grundlegend ist das TNM-Klassifikationssystem (TNM), das durch verschiedene diagnostische Verfahren bestimmt wird. Probabilistische Modellierungsverfahren können durch Integration der relevanten IEs in ein graphisches Patientenmodell zur Transparenz und Unterstützung des Entscheidungsprozesses beitragen.

Methoden: Das Modell „Larynxkarzinom“ (LC) wurde als Graph auf Basis eines Multi-Instanz Bayesʼschen Netzwerks (MEBN) nach Leitlinien und Standardwerken der Kopf-Hals-Onkologie erarbeitet. Als erster Teilgraph wurde TNM gewählt, um die für das Modell notwendigen bedingten Wahrscheinlichkeitswerte (CPDs) der IEs zu sammeln. Die CPDs wurden durch ein speziell entwickeltes Webbrowser-basiertes Applikationstool von Experten ermittelt und in das Modell integriert.

Ergebnisse: Der Teilgraph der TNM-assoziierten IEs umfasst über 400 Knoten, die durch mehr als 600 Kanten verbunden sind. Die Graphenstruktur wurde anhand definierter Regeln validiert. Durch die Integration der CPDs des TNM-Graphen mittels des Webbrowser-basierten Applikationstools konnten Zeitaufwand und Handhabbarkeit zur Erstellung der CPDs optimiert werden. Die retrospektive Analyse von n=77 LC-Fällen zeigte eine hohe Genauigkeit.

Schlussfolgerung: Der TNM-Teilgraph „Larynxkarzinom“ bildet die relevanten IEs als digitales Patientenmodell ab und kann durch Integration der CPDs in das MEBN mit hoher Zuverlässigkeit das TNM anhand verschiedener diagnostischer Aussagen berechnen. Die gewonnenen Erkenntnisse sind Teil des MEBN „Larynxkarzinom“ und können durch Erweiterung zukünftige Therapieentscheidungen von HNC unterstützen.

Unterstützt durch: Bundesministerium für Bildung und Forschung

Der Erstautor gibt keinen Interessenkonflikt an.