Computational Medicine
Computational Medicine für Biomedical Engineering
Computational Medicine für Biomedical Engineering
Was ist individualisierte Medizin?
Individualisierte Medizin strebt eine auf den jeweiligen Patienten maßgeschneiderte medizinische Versorgung an. Es stehen immer mehr neue technische Möglichkeiten für eine dem Individuum angepasste Gesundheitsversorgung zur Verfügung.
Was ist Computational Medicine?
= interdisziplinäres Fach mit dem Ziel durch Anwendungen quantitativer Methoden der Mathematik, der Technik und der Computerwissenschaften die Mechanismen von Krankheiten besser zu verstehen und die Diagnose, Prognose und Behandlung derselben zu verbessern.
4 Anwendugsbereiche von CM und Beispiele?
- Mechanismen der Krankheiten
z.B: Modell der biochemischen Prozesse bei Stoffwechselerkrankungen der Fettsäure-Oxidation - Diagnose
z.B: Entwicklung und klinische Validierung von nicht invasiven Methoden zur funktionellen Bildgebung - Prognose
z.B: neue Biomarker für Prostatakrebs - Therapie
z.B: Therapiemanagement, Telemonitoring bei Herzinsuffizienz
Welche Herausforderungen gibt es bei CM? (6)
- Daten -> Wissen aus Daten zu generieren ist schwierig
- Modellbildung (Abstraktion)
- Modellvalidierung
- Effektive Therapien (individuell, kostensparend)
- neue Therapieformen vs. "etablierte Therapien
- Regulative - Medizinproduktegesetz
Was ist ein Inverses Problem?
Die Lösung eines inversen Problemes erfordert die Bestimmung unbekannter Ursachen basierend auf Beobachtungen der verursachenden Wirkung.
Inverse Probleme sind meistens sehr schwierig bis gar nicht lösbar.
Wann ist ein Problem well-posed?
- es existiert eine Lösung (Existenz)
- sie ist eindeutig (Eindeutigkeit)
- die Lösung hängt stetig von den Eingangsdaten ab (Stabilität)
ist eine der Bedingungen nicht erfüllt, so ist das Problem ill-posed.
Was ist die Regularisierung?
Unter Regularisierung versteht man Verfahren zum Lösen von ill-posed problems.
allgemeiner Regularisierungs-Ansatz:
Le=L + eR, e > 0
Für ein passendes R ist der inverse Operator stetig und erzeugt somit eine stabile Lösung.
Erklären Sie eine Regularisierungsmethode!
Tikhonov Regularisierung mittels L-Kurve
Wenn das folgende Problem ill-posed ist:
Lf = g
So wird der folgende Ansatz zur Regularisierung gewählt:
||Lf - g||2 + lambda2||Rf||2 --> min
Die Anzahl der Regularisierungen, die durchgeführt werden, ist entscheidend für das Ergenis. Diese Wird durch den Regularisierungsparameter lambda bestimmt.
Auf einer logarithmierten Skala hat die Kurve meistens eine L-Form. Jede regularisierte Lösung des Problems liegt über oder auf dieser Kurve.
Welche Anwendugne von inversen Problemen in der Medizin gibt es? (7)
- CT: Inverse Radon Transformation
- Parameteridentifikation: Rekunstruktion von unbekannten Koeffizienten partieller Differentialgleichungen durch indirekte Messung der Lösungen
- Inverse Streuprobleme: Ultraschall
- Impedanztomografie: Parameteridentifikationsprobleme bei Randmessungen
- Bildanalyse und -segmentation
- Quellenrekonstruktion
- Quantitative Physiologie
Was ist System Biology?
Definition: ein neues Feld der Biologie, das auf ein Verständnis von biologischen Systemen abzielt.
Ein System ist eine Menge von Einzelteilen, die miteinander verbunden sind und zusammen arbeiten.
Ein biologisches System kann ein Ökosystem bis hin zu reaktionen innerhalb einer Zelle sein. Meistens ist letzeres gemeint.
System Biology untersuch inter- und intrazelluläre dynamische Prozesse unter Zuhilfenahmen von signal- und prozessorientierten Ansätzen.
--> Herausfinden welchen Effekt eine Veränderung in einem Teil auf das ganze System hat, z.B: Proteinaktivierung/deaktivierung gegen Krankheiten
Wann werden Computer in System Biology benötigt?
- System Modellierung
- System Simulation
- System Reasoning
- System Entdeckung
WAs versteht man unter System Medicine?
= neue Disziplin an der Schnittstelle zwischen Medizin und Systembiologie.
Durch neue und schnellere Technologien ist es möglich eine Verbindung zwischen Genen, biologischen Funktionen und menschlichen Krankheiten her zu stellen.
Konkretes Beispiel für die Anwendung von System Medicine?
Störungen im Fettstoffwechsel untersuchen:
Unter beta-Oxidation versteht man den biochemischen Abbau der Fettsäuren im Körper.
Charakteristika für Störungen im beta-Oxidationsstoffwechsel:
- Energiedefizit
- Anhäufungen von giftigen Stoffwechselmetaboliten im Organismus
- betroffen sind: Gehirn, Skelettmuskulatur, Herz, Leber
SM stellt ein detailliertes Modell des Stoffwechsels der Mitochondrien mit Fokus auf Fettsäureoxodation zur Verfügung und sagst so die Auswirkungen von Krankheiten voraus:
- 64 enzymatische kinetische Reationen
- 91 Besatndteile
- 301 Parameter
Was ist KDD?
= Knowledge Discovery in Database
= nichttrivialer Prozess zur Identifizierung von validen, neuen, potetiell nutzbaren und verstehbaren Mustern in Daten
Was ist Data Mining?
Unter Data Mining versteht man die systematische Anwendung von statistischen Methoden zur Auswertung von Datenmengen mit dem Ziel einer Mustererkennung.
DM ist ein Teil von KDD und umfasst die eigentliche Datenanalyse.
KDD: Klassifikation?
= Überwachtes Lernen
- Die Datensätze werden zusammen mit einem Klassenattribut vorgegeben
- Ziel: Einordnung einer Beobachtung in eine von n vorgegebenen Klassen
KDD: Clusteranalyse?
= Nicht-überwachtes Lernen
- Datensätze werden ohne Klassenvorgabe angegeben, die Aufgabe der Clusteranalyse besteht im Entdecken von Klassen und deren Definition
- Daten werden aufgrund von Ähnlichkeiten zusammngefasst
Wie läuft ein KDD Prozess ab? (9 Schritte)
- Verstehen der biomedizinischen Fragestellung
- Zieldatenfestlegung (Selektion)
- Vorverarbeitung und Datenbereinigung (Preprocessing)
- Datenreduktion und Projektion
- Auswahl der Data Mining Aufgabenklasse (Klassifikation, Clusteranalyse, Regression...?)
- Wahl des Data Mining Algorithmus
- Data Mining durchführen
- Interpretation
- Konsolidierung des KDD Ergebnisses
Elemente der Closed Loop Health care?
<3
Was ist mHealth und wo wird es eingesetzt?
= Schnittstellen zum mobilen Datenaustausch zwischen Patienten und Ärzten.
Mobile Health wird vorwiegend bei älteren Personen und chronisch kranken Personen eingesetzt und soll ihnen ein möglichst normales Leben mit guter medizinischer Überwachung ermöglichen.
Was sind Expertensysteme?
= Systeme, die mit so viel Wissen und Erfahrung ausgestattet sind, dass sie auf der Stufe eines Experten tätig werden können.
Was ist die Motivation zum Einsatz von Expertensystemen?
- Unmengen an Wissen ist verfügbar
- Menge an Experten begrenzt
- Zeitdruck bei Lösungsfindung
- Anspruch an Qualität steigt
- Erfahrungen sollen allen verfügbar gemacht werden
- Medizinisches Fachwissen verdoppelt sich alle fünf Jahre
- Behnadelnde Ärzte sind gefordert Ergenisse aktueller wissenschaftlicher Erkenntnisse zu berücksichtigen
Aufbau eines Expertensystems?
Johanna + Miche
Welche Herausforderungen gibt es bei der Therapie von chronischen Krankheiten?
- Lebenslange Behandlung
- regelmäßiger Erfassung der Gesundheitsparameter
- Laufende Kontrolle und Anpassung der Therapie
- Vorverarbeitung der Datenflut
- Gute Mitarbeit (Compliance) der Patienten
- Selbstkontrolle durch den Patienten
Nennen Sie 4 Data Mining Aufgaben!
- Klassifikation
- Clusteranalyse
- Assoziationsregeln
- Regression
- Dimensionsreduktion
-
- 1 / 25
-
Flashcards
Was ist individualisierte Medizin?
Individualisierte Medizin strebt eine auf den jeweiligen Patienten maßgeschneiderte medizinische Versorgung an. Es stehen immer mehr neue technische Möglichkeiten für eine dem Individuum angepasste Gesundheitsversorgung zur Verfügung.
Was ist Computational Medicine?
= interdisziplinäres Fach mit dem Ziel durch Anwendungen quantitativer Methoden der Mathematik, der Technik und der Computerwissenschaften die Mechanismen von Krankheiten besser zu verstehen und die Diagnose, Prognose und Behandlung derselben zu verbessern.
4 Anwendugsbereiche von CM und Beispiele?
- Mechanismen der Krankheiten
z.B: Modell der biochemischen Prozesse bei Stoffwechselerkrankungen der Fettsäure-Oxidation - Diagnose
z.B: Entwicklung und klinische Validierung von nicht invasiven Methoden zur funktionellen Bildgebung - Prognose
z.B: neue Biomarker für Prostatakrebs - Therapie
z.B: Therapiemanagement, Telemonitoring bei Herzinsuffizienz
Welche Herausforderungen gibt es bei CM? (6)
- Daten -> Wissen aus Daten zu generieren ist schwierig
- Modellbildung (Abstraktion)
- Modellvalidierung
- Effektive Therapien (individuell, kostensparend)
- neue Therapieformen vs. "etablierte Therapien
- Regulative - Medizinproduktegesetz
Was ist ein Inverses Problem?
Die Lösung eines inversen Problemes erfordert die Bestimmung unbekannter Ursachen basierend auf Beobachtungen der verursachenden Wirkung.
Inverse Probleme sind meistens sehr schwierig bis gar nicht lösbar.
Wann ist ein Problem well-posed?
- es existiert eine Lösung (Existenz)
- sie ist eindeutig (Eindeutigkeit)
- die Lösung hängt stetig von den Eingangsdaten ab (Stabilität)
ist eine der Bedingungen nicht erfüllt, so ist das Problem ill-posed.
Was ist die Regularisierung?
Unter Regularisierung versteht man Verfahren zum Lösen von ill-posed problems.
allgemeiner Regularisierungs-Ansatz:
Le=L + eR, e > 0
Für ein passendes R ist der inverse Operator stetig und erzeugt somit eine stabile Lösung.
Erklären Sie eine Regularisierungsmethode!
Tikhonov Regularisierung mittels L-Kurve
Wenn das folgende Problem ill-posed ist:
Lf = g
So wird der folgende Ansatz zur Regularisierung gewählt:
||Lf - g||2 + lambda2||Rf||2 --> min
Die Anzahl der Regularisierungen, die durchgeführt werden, ist entscheidend für das Ergenis. Diese Wird durch den Regularisierungsparameter lambda bestimmt.
Auf einer logarithmierten Skala hat die Kurve meistens eine L-Form. Jede regularisierte Lösung des Problems liegt über oder auf dieser Kurve.
Welche Anwendugne von inversen Problemen in der Medizin gibt es? (7)
- CT: Inverse Radon Transformation
- Parameteridentifikation: Rekunstruktion von unbekannten Koeffizienten partieller Differentialgleichungen durch indirekte Messung der Lösungen
- Inverse Streuprobleme: Ultraschall
- Impedanztomografie: Parameteridentifikationsprobleme bei Randmessungen
- Bildanalyse und -segmentation
- Quellenrekonstruktion
- Quantitative Physiologie
Was ist System Biology?
Definition: ein neues Feld der Biologie, das auf ein Verständnis von biologischen Systemen abzielt.
Ein System ist eine Menge von Einzelteilen, die miteinander verbunden sind und zusammen arbeiten.
Ein biologisches System kann ein Ökosystem bis hin zu reaktionen innerhalb einer Zelle sein. Meistens ist letzeres gemeint.
System Biology untersuch inter- und intrazelluläre dynamische Prozesse unter Zuhilfenahmen von signal- und prozessorientierten Ansätzen.
--> Herausfinden welchen Effekt eine Veränderung in einem Teil auf das ganze System hat, z.B: Proteinaktivierung/deaktivierung gegen Krankheiten
Wann werden Computer in System Biology benötigt?
- System Modellierung
- System Simulation
- System Reasoning
- System Entdeckung
WAs versteht man unter System Medicine?
= neue Disziplin an der Schnittstelle zwischen Medizin und Systembiologie.
Durch neue und schnellere Technologien ist es möglich eine Verbindung zwischen Genen, biologischen Funktionen und menschlichen Krankheiten her zu stellen.
Konkretes Beispiel für die Anwendung von System Medicine?
Störungen im Fettstoffwechsel untersuchen:
Unter beta-Oxidation versteht man den biochemischen Abbau der Fettsäuren im Körper.
Charakteristika für Störungen im beta-Oxidationsstoffwechsel:
- Energiedefizit
- Anhäufungen von giftigen Stoffwechselmetaboliten im Organismus
- betroffen sind: Gehirn, Skelettmuskulatur, Herz, Leber
SM stellt ein detailliertes Modell des Stoffwechsels der Mitochondrien mit Fokus auf Fettsäureoxodation zur Verfügung und sagst so die Auswirkungen von Krankheiten voraus:
- 64 enzymatische kinetische Reationen
- 91 Besatndteile
- 301 Parameter
Was ist KDD?
= Knowledge Discovery in Database
= nichttrivialer Prozess zur Identifizierung von validen, neuen, potetiell nutzbaren und verstehbaren Mustern in Daten
Was ist Data Mining?
Unter Data Mining versteht man die systematische Anwendung von statistischen Methoden zur Auswertung von Datenmengen mit dem Ziel einer Mustererkennung.
DM ist ein Teil von KDD und umfasst die eigentliche Datenanalyse.
KDD: Klassifikation?
= Überwachtes Lernen
- Die Datensätze werden zusammen mit einem Klassenattribut vorgegeben
- Ziel: Einordnung einer Beobachtung in eine von n vorgegebenen Klassen
KDD: Clusteranalyse?
= Nicht-überwachtes Lernen
- Datensätze werden ohne Klassenvorgabe angegeben, die Aufgabe der Clusteranalyse besteht im Entdecken von Klassen und deren Definition
- Daten werden aufgrund von Ähnlichkeiten zusammngefasst
Wie läuft ein KDD Prozess ab? (9 Schritte)
- Verstehen der biomedizinischen Fragestellung
- Zieldatenfestlegung (Selektion)
- Vorverarbeitung und Datenbereinigung (Preprocessing)
- Datenreduktion und Projektion
- Auswahl der Data Mining Aufgabenklasse (Klassifikation, Clusteranalyse, Regression...?)
- Wahl des Data Mining Algorithmus
- Data Mining durchführen
- Interpretation
- Konsolidierung des KDD Ergebnisses
Elemente der Closed Loop Health care?
<3
Was ist mHealth und wo wird es eingesetzt?
= Schnittstellen zum mobilen Datenaustausch zwischen Patienten und Ärzten.
Mobile Health wird vorwiegend bei älteren Personen und chronisch kranken Personen eingesetzt und soll ihnen ein möglichst normales Leben mit guter medizinischer Überwachung ermöglichen.
Was sind Expertensysteme?
= Systeme, die mit so viel Wissen und Erfahrung ausgestattet sind, dass sie auf der Stufe eines Experten tätig werden können.
Was ist die Motivation zum Einsatz von Expertensystemen?
- Unmengen an Wissen ist verfügbar
- Menge an Experten begrenzt
- Zeitdruck bei Lösungsfindung
- Anspruch an Qualität steigt
- Erfahrungen sollen allen verfügbar gemacht werden
- Medizinisches Fachwissen verdoppelt sich alle fünf Jahre
- Behnadelnde Ärzte sind gefordert Ergenisse aktueller wissenschaftlicher Erkenntnisse zu berücksichtigen
Aufbau eines Expertensystems?
Johanna + Miche
Welche Herausforderungen gibt es bei der Therapie von chronischen Krankheiten?
- Lebenslange Behandlung
- regelmäßiger Erfassung der Gesundheitsparameter
- Laufende Kontrolle und Anpassung der Therapie
- Vorverarbeitung der Datenflut
- Gute Mitarbeit (Compliance) der Patienten
- Selbstkontrolle durch den Patienten
Nennen Sie 4 Data Mining Aufgaben!
- Klassifikation
- Clusteranalyse
- Assoziationsregeln
- Regression
- Dimensionsreduktion
