gms | German Medical Science

Einleitung: Die Etablierung von auf künstlicher Intelligenz (KI) basierender Algorithmen in der Medizin ist eine der zukunftsweisenden Technologien unserer Zeit. Neben den Bildanalysesystemen steht die Entwicklung von Diagnoseassistenzsystemen (Diagnostic Decision Support Systems, DDSS) im Fokus der Aufmerksamkeit, wobei bislang für die alltägliche klinische Anwendung noch keine zufriedenstellenden Lösungen am Markt zur Verfügung stehen.

Methoden: Basierend auf der Entwicklung eines Bayes´schen Netzes anhand von anonymen Echtfall-Datensätzen wurde ein System erstmals an echten Patientenfällen angewandt.

In unserer HNO-Ambulanz wurde mittels Software die Aufnahme der Patienten parallel zum normalen Behandlungsprozess dokumentiert und die tatsächlich gestellten, ärztlichen Diagnosen der Patienten mit den von dem DDSS-System als prozentuale Wahrscheinlichkeit vorgeschlagenen Diagnosen verglichen. Der Cut off-Wert für eine richtig gestellte, mittels Software ermittelte Diagnose wurde bei 80% angenommen, die Ergebnisse in Form von Kontingenztafeln ausgewertet.

Ergebnisse: Für n=32 Patienten unserer HNO-Ambulanz wurden KI-basierte Diagnosen gestellt. Die erzielbare Übereinstimmung der Diagnosen war jedoch noch gering, so dass die Sensitivität niedrig war. Dagegen lag die Spezifität bei 98%.

Diskussion: Die entwickelten Algorithmen des Diagnoseassistenzsystems zeigen bereits eine gute Spezifität. Zur Verbesserung der Sensitivität ist aber die Verarbeitung größerer Datenmengen, höhere Patientenzahlen und eine Verbesserung der Algorithmen notwendig. Dies wird in zukünftigen Versionen des Diagnoseassistenzsystems angegangen werden. Insgesamt zeigten sich in der ersten Version jedoch schon vielversprechende Ansätze, welche den Einsatz eines solchen DDSS in Zukunft ermöglichen könnten.