E-Health/ CDS (klinische Entscheidungsunterstützung)

• MYCIN (1972):
  • Stanford University in Programmiersprache Lisp entwickelt
  • Diagnose und therapie von Infektionskrankheiten, optimierung Antibiotikagabe in Anhängigkeit von jeweiligen Krankheitsbild
  • Zahlreiche Parameter/ ca 450 regeln
• INTERNIS-I/CADUCEUS(1982)
  • Zuordnung con Symptomen und Befund zu krankheitsprofil
  • Versuch Diagnostik in der inneren Medizin möglichst vollständig zu erfassen
• CASNET(1978)
  • Diagnostik von Glaukomen
  • erstmalig schematisch strukturiertes Modell des Fachgebiets

• Abgrenzung Entscheidungsraum
• Umfangreiche Dateneingabe als Barriere
• bei trivialen Aussagen gut
• Bei komplexen Problemen nicht leistungsfähig genug
• nach großer Euphrie nur wenig Akzeptanz für umfassendere Ansätze

• Forschungsprojekt zw IBM & Memorial Sloan Kettering Cancer Center
• CDS in der Behandlung von soliden Tumoren (Lunge, Brust,Prostata)
• es schlägt Test vor unf berechnet Behandlungsplan neu

• Fallbasierte Systeme
  • Fallbasis inklusive vorgenommener Lösung
  • Inferenz: Fallbasiertes Schließen ist eine Suche nach ähnlichen Fällen
  • BSp patient mit smptomen und diagnostischen messergebnissen: gesuchte lösung ist diagnose
• Regelbasierte Systeme
  • Regeln der Art "wenn A, dann B"
  • müssen von Experten eingepflegt werden
  • Bsp. Wenn krebsbefall von Lymphknoten oberhalb oder unterhalb des Zwerchfells dann Krankheitsstadium 3 nach Ann Arbor
• Entscheidungsbäume
  • jeder interne Konten enthält einen Test- für jenden Ausgang des Tests gibt es eine kante
  • Jedes Blatt enthält einen Klassifikationswert

• klinischem Personal kann geholfen werden(durch CDS integriert in die Arbeitsumgebung)
  • Datenmengen automatisiert,gefiltert,geprüft
• Fehlervermeidung
  • bessere Behandlungsquali
• Finanzieller Aspekt von Behandlungsfehlern
• Unterstützung Prozesse& Abläufe
  • senkt behandlungskosten
• Patientensicherheit

• 180 000 Menschen sterben im Jahr durch falsche ärztliche Behandlung
• Ärzte sind auch nur Menschen
  • Medikationsfehler
    • unerwünschte Nebenwirkungen
    • Quellen: ärztliche verschreibung, falsch interpretierte Handschrift,Ausgabe von Medikamenten, Verabreichung, falsche Arzneimittel, Dosis, Paient, Verabreichung

• Sensitivität: richtig als krank Erkannte zu allen Erkrankten
  • 90 von 100 Erkrankent mittels Verfahren erkannt: SEN= 90%
• Spezifizität: richtig als gesund Erkannte zu allen Gesunden, Prozentsatz von richtig negativen Ergebnissen (kein Befund)
  • 96 von 100 gesunden Menschen als nicht infiziert Identifiziert SPE=96

Klinische Entscheindungsunterstützung im HL7

Definition von von med. Regeln durch Algorithmen

• Wiederbenutzbarkeit durch standardisierung und Modularsierung von Wissen
• Übertragung surch Trennung von Daten und Logik
• Verständlichkeit durch leicht lesbare Syntax
• Integration von wissenbasierter Funktionalität und klinischen Daten

• Wissensbasen erstellt durch Experten und Wisseningenieure
• Akzeptanz kann erhöht werden wenn Benutzer nachvollziehen kann was passiert und warum, und dieser die Wissensbasis erweitern und modifizieren kann
• Benutzer/Experten selten erfahrene Programmierer
  • einfache, intuitive Synatx
  • optimal: verschiedene Abstraktionsniveaus(textbasiert->profis, graphikbasiert-> Laien)

• Wissenbasis besteht aus einezelnen MLMs
  • Wiederverwendbarkeit
  • Literaturquellen(nähere Erklärung zu Zweck/Fkt/Verweise auf zusätzliche Infoquellen)
  • üblicherweise als ASCII-Datei
  • jedes MLM enthält ausreichend Wissen um unabhängig von anderen MLMs Entscheidungen zu treffen
  • Trennung von Datenbankabfrage und Logik

1. Auswahl auszuführender MLM aus Wissensbasis nach Bedingung (im evoke Solt des Moduls definiert)
2. Aufruf jedes ausgewählten MLMs(kann zeitverzögert oder periodisch)
3. einlesen der Daten im Data Slot (Datenbankzugriff)
4. Ausführen der Entscheidungslogik(Verarbeitung der zuvor geholten Daten)
5. wenn LogicSlot positiv dann ActionSlot------>Nachricht

Inhaltlich in 3 Kategorien geteilt:

• Maintenance: Organisatorische Informationen zu dem MLM, zB Autor, Verantwortlicher
• Library: Inhaltliche Hintergrundinformationen(wie erklärung oder Literaturquellen)
• Knowledge: Die eigentliche Regel als Algorithmus, Datenbankzugriffe und Eventdefinition

• Einfache Datentypen
  • Number (ganzahl, Fließkomma), string, term, time, duration
  • Uncertainly(unbestimmten Daten)
  • Bool: true, false, null
• Objekte
  • BSP:let Patient be object[name,vorname,gebdat]
  • Objekte haben keine MethodeVereinfachung bei der Handhabung großer Datenmengen oder Abfrageergebnisse
  • zugriff über Punktoperator
• List
  • können heterogen sein und Elemente unterschiedlicher Typen enthalten
  • sind das ergebnis von Datenbankabfragen und Aneinanderreihung von einzelnen Elementen durch Listeoperatoren (zB komma ,)

• Klassische Aufgaben
  • Warnings bsp bei Aufträgen
  • Reminder: zeitgetriggerte prüfung
• Realisierbarkeit von:
  • Rechenregeln
  • Plausibilitätsprüfung
  • Bedingungen und andere Elemente von leitlinien
  • Expertensysteme zur Diagnose-Unterstützung
• Entscheidungsunterstützende Syteme können Teil der Routineabläufe werden
  • Unterstützung med. & administrativer Abläufe
  • Heute höhere Durchdringung der IT im Gesundheitswesen
    • bessere Chancen zur erfolgreichen Anwendung von CDS

zB. mittels Arden Syntax

• Wissensrepräsentationssprache und Inferenmechanismus
• speziell für med. Anwendungen
• MLMs (Medical Logic Modules)
• MKP(Medical Knowledge Packeges
• HL7 und ANSI appobiert

• Schnittstellen zum implementierenden System nicht spezifiziert(Datenzugriffe, Event-Definitionen, Nachrichten...)
• Große Unterschiede zw Datenmodellen erfordern ggf. große Änderungen an der Logik eines MLMs
• Ziel wäre eine Unabhängigkeit vom Host-System---> Ansatz für vMR(Virtual Medical Record)

4 Alternativen:

1. Umschreiben der MLMs
2. Verzicht auf Nutzung von Datenbank-Zugriffen, Definition einer Schnittstelle
   • MLMs können sich gegenseitig referenzieren
   • MLMs können mit Parametern aufgerufen werden und Ergebnisse an das aufrufende MLM zurückliefern
3. Lösung des curly braces problems
   • Im CDSS wird an Lösungen zu den bislang nicht spezifizierten Schnittstellen gearbeitet
   • gleiches Problem betrifft auch die einheitliche Repräsentation von klinischen Leitlinien
4. zugriff über standardisierte Schnittstelle, bsp vMR

• Meta- Modell mit Fokus auf Entscheidungunterstützung
• Abstrakte Elemente einer el Patientenakte
• HL7 RIM-konform
• nach langjähriger Pause wieder aufgegriffen
• Ziel: Interoperabilität von CDS-Systemen mit KIS unterschiedlicher Hersteller ermöglichen

Behandung von unscharfem Wissen

• Nachbildung von verbal formuliertem Wissen und Zusammenhängen auf einem Digitalrechner
  • "sehr hell", "ziemlich langsam" lassen sich damit mathematisch beschreiben
• Anwendungsbereich in der Steuerung und Regelung technischer Systeme, Entscheidungsunterstützungssysteme, Expertensysteme

Minimum-Operator: 0,2 UND 0,4 = 0,2

Maximum:Operator: 0,1 ODER 0,7= 0,7

Komplementärbildung: NICHT 0,3= 0,7 (kommt auf 1)

Verfahren zur Berechung exakter werte aus unschrafen Aussagen

scharfe Messwerte-> fuzzyfizierung-> Inferenz-> Defuzzyfizierung-> scharfer Ergebniswert