gms | German Medical Science

20. Jahrestagung des Deutschen Netzwerks Evidenzbasierte Medizin e. V.

Deutsches Netzwerk Evidenzbasierte Medizin e. V.

21. - 23.03.2019, Berlin

„Maschinelles Lernen“ in der Medizin: „Horizon Scanning“ in Form einer bibliographischen Analyse

Meeting Abstract

Search Medline for

  • Philipp Storz-Pfennig - GKV-Spitzenverband, Abteilung Medizin, Deutschland

EbM und Digitale Transformation in der Medizin. 20. Jahrestagung des Deutschen Netzwerks Evidenzbasierte Medizin. Berlin, 21.-23.03.2019. Düsseldorf: German Medical Science GMS Publishing House; 2019. Doc19ebmS1-V1-01

doi: 10.3205/19ebm001, urn:nbn:de:0183-19ebm0017

Published: March 20, 2019

© 2019 Storz-Pfennig.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Hintergrund/Fragestellung: Die Erwartungen an die Digitalisierung sind in Bezug auf „künstliche Intelligenz“/„maschinelles Lernen“ (mL) besonders hoch, umstritten, unsicher („längst im Alltag angekommen“, „visionär“, „transhuman“). Daher sollte zunächst eine Übersicht i. S. e. „Horizon Scanning“ zu bereits in Entwicklung befindlichen Anwendungen in der Medizin gewonnen werden.

Methoden: Es wurden alle aktuellen (2013-2018) Publikationen zum mL aus PubMed nach Zuordnung zu Erkrankungen (1.), diagnostischen- und therapeutischen Aspekten (2.) und anderen Feldern (3.) ausgezählt. Häufigkeiten der Zuordnung wurden auch mit Häufigkeiten aller Publikation in dem Zeitraum verglichen (O/E-Quotienten), um die Relevanz des mL in dem jeweiligen Feld zu bewerten. Berichtet wird zum 1. Projektteil. Im 2. Projektteil sollen ausgewählte Felder detaillierter analysiert werden.

Ergebnisse: Auf der Grundlage von N=3,762 Pub. zum mL mit Krankheitsbezug (N=1,853) dominieren onkologische (Brustkrebs, Hirn/Nervensystem, Prostata-K.) und neurologische Erkrankungen (Demenz, Parkins.-E., Epilepsie), vor kardiovaskulären und Hauterkrankungen (21,8%; 18,7%; 9,2%; 6,5%), jedoch ist nur bei neurologischen Erkrankungen eine signifikante O/E-ratio (1,35; 95%-KI [1,21; 1,51]) erkennbar, nicht bei onkologischen E. (1,09 [0,99; 1,21). Differenzierter betrachtet zeigen sich Assoziation zusätzlich insbesondere zu Retina-/Makula-E. und Glaukomen. Die Assoziationen mit Diagnostik (N=1,202) werden von den bildgebenden Verfahren (N=699) dominiert (nahezu alle O/R. >> 2, sig.). Relevant sind zusätzlich Monitoring-Verfahren (u. a. EKG/Arrythmien, Sturzprophylaxe, Schlaf-Diagnostik). Eher dissoziiert sind endoskopische/chirurgische Diagnostik (N=19; O/E-R. 0,59 s.), unauffällig Labormethoden (N=54; O/E-R. 1,08, n. s.). Unmittelbar therapeutische Assoziationen und die Assoziation zu andern Felder (3.) spielen nur eine geringe Rolle.

Schlussfolgerungen: Publikationen zum mL sind auf einige Krebs- und neurologische Erkrankungen und einzelne andere Erkrankungen (Retinopathien) konzentriert, im Kontext inbesondere bildgebender Diagnostik und (physiologischem u. a.) Monitoring. Limitationen resultieren aus der Verwendung nur einer Datenbank und der beschränkten Aussagekraft der Zählung von Publikationen. Im 2. Projektteil wird eine differenziertere Analyse durchgeführt um u. a. Fragen im Hinblick auf methodische Aspekte und eine mögliche Praxisintegration zu untersuchen, vor dem bekannten Hintergrund der Probleme bei Bewertung und Verwendung diagnostischer Verfahren.