Projektbeschreibung

Im Zeitalter der fortschreitenden Digitalisierung besteht eine Patientenakte aus zahlreichen isolierten Datensätzen, die von spezifischen Informationssystemen und verschiedenartigen medizinischen Geräten stammen. Die komplexen Patientendaten können vom Chirurgen nur optimal ausgeschöpft werden, wenn sie in übersichtlicher und anschaulicher Form vor und während des operativen Eingriffs zur Verfügung stehen. Die Projektgruppe Digitales Patienten- und Prozessmodell erstellt informationstheoretische Konzepte zur formalen Beschreibung und Modellierung von Patientendaten und von chirurgischen Entscheidungsprozessen. Patientenmodelle verknüpfen und analysieren sämtliche für eine Operation und Therapieplanung relevante Daten und ermöglichen somit eine Rundumdarstellung des Patienten sowie seines erkrankten Organs. Entscheidungsmodelle beschreiben die Entscheidungsprozesse.

Für die Nutzung der digitalen Patienten- und Entscheidungsmodelle in realen, klinischen Anwendungen und um Anwendungsfälle zu identifizieren wird intensiv mit Klinikern zusammengearbeitet. Die erarbeiteten Konzepte sollen in Prototypen angewendet werden, um ihre Einsatzfähigkeit und Praxisrelevanz zu untersuchen.


Forschungsziele

  • Spezifizierung und Modellierung digitaler Patientenmodelle und Entscheidungsmodelle
  • Semantische Anreicherung und Nutzung der Modelle durch Analyse, Auswertung und Interpretation von Daten
  • Entwickeln von Anwendungen zur Unterstützung der Chirurgen in Therapieplanung und -durchführung unter Nutzung der Modelle

Thematische Schwerpunkte

Patientenmodelle

Die Basis des Projektes bilden digitale Patientenmodelle. Ein Patientenmodell beschreibt alle relevanten Parameter zu einer bestimmten Krankheit und den entsprechenden Therapien. Ziel der Forschungsgruppe ist die Erarbeitung von Informationsstrukturen für solche Patientenmodelle. Zur standardisierten Beschreibung von Informationen werden Ontologien genutzt (d.h. formal geordnete Darstellungen einer Menge von Begrifflichkeiten und ihrer Beziehungen untereinander, z.B. UMLS, SNOMED CT).

Informationsverarbeitung und Wissensmanagement

Um einen Mehrwert aus den im Patientenmodell zusammengeführten Daten zu erhalten und um Beziehungen zwischen Entitäten herzustellen (d.h. Informationsobjekte wie radiologische Bilder, Diagnosen, Befunde), bedarf es entsprechender Methoden aus den Bereichen Textmining, semantischer Analyse und Wissensmanagement. Die zu entwickelnden Methoden erlauben, Informationsentitäten automatisch in Beziehung zueinander zu setzen, um auch automatisch schlussfolgern zu können.

Entscheidungsunterstützung

In allen Phasen einer chirurgischen Versorgung (prä-, intra-, postoperativ) werden Entscheidungen getroffen, in die möglichst alle wesentlichen, verfügbaren Informationen einfließen sollten. Dazu muss medizinisches Wissen darüber, wie chirurgische Entscheidungen getroffen werden, modelliert werden. Aus modellierten Entscheidungsprozessen werden entscheidungsunterstützende Werkzeuge entwickelt, die beispielsweise relevante Informationen bereitstellen, Prognosen zu verschiedenen Behandlungsarten abgeben oder Vorschläge zu möglichen Behandlungen unterbreiten.

Visualisierung

Für eine schnelle Erfassung von entscheidungsrelevanten und –unterstützenden Informationen müssen diese adäquat aufbereitet und angezeigt werden. Ein weiterer Schwerpunkt der Arbeitsgruppe ist daher, Methoden für die Aufbereitung und Anzeige der relevanten Informationen zu entwickeln.


Ausgewählte Publikationen

Cypko MA, Stoehr M, Schlinke S, Hirsch D, Modemann S, Denecke K (2015): Experiences with Expert-based Probabilistic Modelling of Treatment Decisions unsing Baesian Networks – with an Example of Rhinosinusitis. 2015.

Cypko MA, Stoehr M, Denecke K (2015): Web-based guiding of clinical experts through the modelling of treatment decision models using MEBN with an example of laryngeal cancer. In: Int J CARS, 10 (1), 2015.

Denecke K, Cypko M, Deng Y (2014): A Concept for Semi-Automatic Generation of Digital Patient Models.. In: 48th Annual Conference of the German Society for Biomedical Engineering (DGBMT), Hannover, 2014.

Cypko M (2014): User interfaces for patient-specific treatment – decision models using MEBN.. In: Medicine Meets Virtual Reality, Manhatten Beach, USA, 2014.

Deng Y, Denecke K (2014): Visualizing Unstructured Patient Data for Assessing the Health Status.. In: Stud Health Technol Inform, 205 , S. 1158–1162, 2014.

Cypko M, Stöhr M, Denecke K, Dietz A, Lemke H U (2014): User interaction with MEBNs for large patient-specific treatment decision models with an example for laryngeal cancer.. In: Int J Comput Assist Radiol Surg, 9 (Suppl 1), 2014.

Deng Y (2014): Summarization of EHR Using Information Extraction, Sentiment Analysis and Word Clouds.. In: 59. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS), Göttingen,2014.

Lemke H U, Cypko M, Warner D, Berliner L (2014): 3D++ visualisation of MEBN graphs and screen representations of patient models (PIXIE II).. In: Stud Health Technol Inform, 196 , S. 248–251, 2014.

Stöhr M, Cypko M, Denecke K, Lemke H U, Dietz A (2014): A model of the decision-making process: therapy of laryngeal cancer.. In: Int J Comput Assist Radiol Surg, 9 (Suppl 1), S. 217–218, 2014.

Denecke K, Cypko M, Deng Y (2014): A Concept for Semi-Automatic Generation of Digital Patient Models.. In: Biomed Tech,59 (1), S. 754–757, 2014.


Projektvideo