Preview

PDF, German - main document Download (2MB) | Terms of use

Abstract

Entscheidungsunterstützungssysteme sind rechnerbasierte Anwendungssysteme, die menschlichen Entscheidern in komplexen Situationen bei der Entscheidungsfindung helfen sollen. Diese EUS sollen im klinischen Alltag dabei helfen Früherkennung, Diagnostik und Therapieentscheidung für Patienten zu verbessern. Zur Umsetzung eines solchen Entscheidungsunterstützungssystems wurden in dieser Arbeit die Grundlagen geschaffen. Für gewöhnlich liegen die Daten von Patienten und Behandlungsverläufen in Tabellen vor. Dabei werden allerdings die temporalen Zusammenhänge der Daten außen vor gelassen. Ziel dieser Arbeit war die Erarbeitung einer Darstellungsform, in der die Patientendaten in einem Grafen dargestellt werden können, die Erarbeitung einer passenden Speicherungsform sowie die Auswahl eines Ähnlichkeitsmaßes, das ähnliche Patienten mit Hilfe der Grafdarstellung identifizieren kann. Bei Nutzung der Daten in Grafen konnte in dieser Arbeit eine Darstellungsform der Patientendaten entwickelt werden, die die temporalen Zusammenhänge zwischen den Messwerten und Daten der Behandlungsverläufe aufnimmt und als Teil eines Patientengrafen darstellt. Pro Patient wird somit ein Graf von dessen Messwerten erstellt. Dabei wird auch zwischen den Krankenhausaufenthalten eines Patienten unterschieden. Im nächsten Schritt konnte ein Speicherverfahren etabliert werden, das für die weiteren Schritte auf dem Weg zum Entscheidungsunterstützungssystem die nötige Flexibilität bietet. So wurden verschiedene DBMS miteinander verglichen, wobei die Wahl des Speicherverfahren letzten Endes auf das relationale Datenbankmodell und DBMS PostgreSQL fiel. Zunächst wurde allerdings die Grafdatenbank neo4j eingesetzt, es zeigte sich aber, dass für die hier vorgestellte Anwendung kein nennenswerter Geschwindigkeitsvorteil einer grafbasierten Datenbank gegenüber einer relationalen Datenbank festgestellt werden konnte. Somit wurden die Daten im relationalen Datenbankmodell gespeichert, sodass allerdings auch die zeitlichen Zusammenhänge und Verbindungen der Knoten des Grafen mit abgespeichert werden konnten. Das Speicherverfahren wurde außerdem so gewählt, dass die originalen Messwerte sowie die originalen Abstände zwischen den Knoten erhalten blieben, auch wenn sie für das vorgestellte System nicht relevant waren. Die erzeugten Patientengrafen wurden durch Nutzung eines in der Arbeit aus verschiedenen Algorithmen ausgewählten Algorithmus (NetSimile) verglichen. Durch dieses System konnte bereits ein erster Eindruck vermittelt werden, welche Möglichkeiten ein darauf aufbauendes EUS bietet, um ähnliche Patienten zu finden und daraus eine Diagnosen- oder Therapieentscheidung abzuleiten. Das Ähnlichkeitsmaß wurde auch auf seine Funktionsweise hin getestet, wobei eine Verteilung der ähnlichen Patienten untersucht wurde sowie eine Häufigkeitsanalyse der häufigsten Diagnosen der ähnlichsten Patienten durchgeführt wurde, mit dem Ziel die Grafdarstellung sowie die Anwendung des Ähnlichkeitsmaßes auf diese Grafdarstellung auf Funktionalität zu überprüfen. Die Ergebnisse legen in diesem Zusammenhang nahe, dass das Ähnlichkeitsmaß im Zusammenhang mit der Grafdarstellung funktioniert. Allerdings gibt es noch Verbesserungsbedarf bei der Umsetzung des Ähnlichkeitsmaßes und auch für die Untersuchung auf Funktionalität des Ähnlichkeitsmaßes zusammen mit der Darstellungsform sollten weitergehende Untersuchungen durchgeführt werden.