Entscheidungsunterstützung durch aktive Leitlinien
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Entscheidungsunterstützung durch aktive Leitlinien Prof. Dr. Yvonne Weber/ Stellv. Ärztliche Direktorin Neurologie mit Schwerpunkt Epileptologie Hertie Institut für Klinische Hirnforschung Universität Tübingen Dr. Christoph Sippel/ Oberarzt Internistische Onkologie Johanniter-Krankenhaus Bonn Gökhan Günyak/ Informatiker / Medizinökonom Robert-Bosch-Krankenhaus Laura Zwack, Product Director Elsevier Clinical Solutions DACH + EE Düsseldorf, 13. Februar 2019 Computer-interpretierbare Leitlinien: Unterstützung klinischer Entscheidungen, Reduktion von Fehlern, Verbesserung der klinischen Ergebnisse
Unser Team
Vielen Dank für Ihre
Dr. Robert Dunlop Meik Eusterholz Prof. Dr. med. Prof. Dr. med. Dr. med.
Clinical Director
Elsevier Clinical Solutions
Aufmerksamkeit!
Geschäftsfeldleiter
Melanie Katterbach
Beraterin
Yon-Dschun Ko
Ärztlicher Direktor & Chefarzt
Internistische Onkologie
Yvonne Weber
Ltd. Oberärztin
Abtl. Neurologie, Hertie Institut
für Klinische Hirnforschung,
Martin Kaufmann
Oberarzt Hämatologie,
Onkologie und
Palliativmedizin
Dr. med. Klara Brunnhuber und Abteilung Neurochirurgie
Product Manager Arezzo Dr. med. Universitätsklinikum Tübingen
Christoph Sippel Gökhan Günyak
Laura Zwack Oberarzt Informatiker / Medizinökonom
Product Director Internistische Onkologie Dr. med.
Elsevier Clinical Solutions Heinrich Lautenbacher
Medizinische Informatik
ELSEVIER Clinical Solutions UNITY AG Johanniter-Krankenhaus Bonn Universität Tübingen
125 London Wall Im Mediapark 6a Johanniterstraße 3-5 Robert-Bosch-Krankenhaus
London EC2Y 5AS, UK 50670 Köln 53113 Bonn Universitätsklinikum Tübingen GmbH
k.brunnhuber@elsevier.com Telefon: +49 221 789587880 Hoppe-Seyler-Straße 3 Auerbachstraße 110
72076 Tübingen 70376 Stuttgart
2020 wird sich das medizinische
Wissen alle 73 Tage verdoppeln.
Clinical Decision Support Systeme
können die Umsetzung von Wissen in
der Praxis beschleunigen
Das Arezzo Software Framework
Integriert ins Patienten- Inkls. Pros & Im zeitlichen Dokumentation
KIS individuelle Cons Verlauf der Ergebnisse
Aktive ärztliche Empfehlungen Arezzo informiert Arezzo sendet Arezzo
Entscheidungs- Medizinische den Arzt über die patienten- dokumentiert die
unterstützung – Leitlinien werden Leitlinien- individuelle Empfehlungen
integriert ins KIS Computer- Empfehlungen, Erinnerungen an vs. tatsächlicher
oder Stand- gestützt, direkt inklusive der den Arzt z.B. für Behandlung,
alone. im Hinblick auf Argumente dafür Nachunter- aktualisiert
Lokal gehostet. den jeweiligen und dagegen. suchungen. Empfehlungen.
Patienten
interpretiert.
Arezzo in Anwendung
# 1 – Diagnostik & Therapie der Epilepsie
# 2 – Tumorboard für Kolonkarzinom mit Ko-Morbidiäten
# 3 – Langzeitnachsorge nach Stammzelltransplantation
Die Arezzo-CDSS Prototypen
Diagnose und Therapie von Epilepsie
Tumorboardvorbereitung für Kolonkarzinom
Langzeitnachsorge nach Stammzelltransplantation
AREZZO in Anwendung #1 – Diagnose und Therapie von Epilepsie
Ausgangssituation Aktuelle klinische Praxis
• 800.000 Epilepsie-Patienten in BRD • Offene Anamnese im Gespräch
• Komplexe Diagnose und Therapie • Informationen verstreut vorhanden
(Expertenwissen erforderlich) in verschiedenen Medien
• Max. 30% der Patienten von • Expertenwissen für die
Epilepsie-Experten betreut individualisierte Therapie nicht frei
zugänglich verfügbar
• Leitlinien nur für 1. und 2.
Therapiewahl vorhanden Ø Hohe Variabilität in Diagnose
und Therapie
Ziel
• Leitlinien- und Expertenwissen über ein CDSS für Neurologen und
Allgemeinärzte in Kliniken und Praxen verfügbar machen
#1 – Epilepsie: Patientenindividuelle Anamnese und Diagnosestellung
Arezzo erfragt
• Anfallstypen
• Anfallsfrequenz
• Aktuelle und vergangene
Medikation sowie
Wirksamkeit und „Mich hat überrascht
Nebenwirkungen wie gut das CDSS an
• Nebendiagnosen die Diagnose
• Familienanamnese herankommt, es wird
• Diagnostische Befunde gut systematisch
abgefragt, es stellt die
… und empfiehlt eine Diagnose gleichen Fragen wie
sowie Differentialdiagnosen ich in der Anamnese.“
inkls. Pros und Cons Assistenzarzt UKT
Quelle: Evaluation des Arezzo Epilepsie CDSS am Universitätsklinikum Tübingen mit 10 Assistenzärzten, die für jeweils 3 virtuelle
Patientenfälle ohne und mit Arezzo eine Diagnose und Therapie entwickelt haben.
#1 – Epilepsie: Patientenindividuelle Beratung
Arezzo empfiehlt welche
Beratung der Arzt dem
Patienten anbieten sollte
„Die Beratung mache ich
selber nur unvollständig, da
war ich ganz erschrocken.
Ich selber hätte das nicht
angesprochen. Das ist
super strukturiert vom
CDSS.“ Assistenzarzt UKT
Quelle: Evaluation des Arezzo Epilepsie CDSS am Universitätsklinikum Tübingen mit 10 Assistenzärzten, die für jeweils 3 virtuelle
Patientenfälle ohne und mit Arezzo eine Diagnose und Therapie entwickelt haben.
#1 – Epilepsie: Patientenindividueller Therapievorschlag inkls. Pros und Cons
„Ich wünsche mir noch
mehr Informationen und
Links zu Literatur.“ „Sehr gut gefallen haben
Assistenzarzt UKT die kurzen Argumente zu
den Medikamenten, warum
welche als sinnvoll
eingestuft werden oder
nicht.“ Assistenzarzt UKT
Quelle: Evaluation des Arezzo Epilepsie CDSS am Universitätsklinikum Tübingen mit 10 Assistenzärzten, die für jeweils 3 virtuelle
Patientenfälle ohne und mit Arezzo eine Diagnose und Therapie entwickelt haben.
#1 – Epilepsie: Erste Evaluation des Prototypen mit 10 Assistenzärzten
Durchschnittsbewertung (n=10): Das CDSS hilft ….
0 gut = 1
Sehr 2 3 4 5 = Sehr schlecht
6
neue Evidenz rascher umzustzen 1,2 „Das CDSS ist wie eine Leitlinie,
die auf den Patienten
Leitlinien umzusetzen 1,3
zugeschnitten ist. Man muss nicht
Annahmen kritisch zu reflektieren 1,4 erst 10 Seiten lesen, sondern das
CDSS geht vom Patienten aus. “
Patientenversorgung zu verbessern 1,6 Assistenzarzt UKT
Expertenwissen umzusetzen 1,8 „Das CDSS kann dich nicht
auf das Level eines Experten
CDSS entspricht Vorgehen auf Station 2,2
heben, aber es kann einem
schneller zu Diagnose und Therapie 2,4 helfen im oberen Drittel zu
sein. Dem Experten hilft es
„Man braucht
Quelle: Evaluation mit und
des Arezzo Epilepsie ohne
CDSS am CDSS Tübingen mit 10 Assistenzärzten,
Universitätsklinikum gründlich zu sein.
die für jeweils 3 virtuelle“
Patientenfälle ohne und mit Arezzo eine Diagnose und Therapie entwickelt haben.
gleich lang“ Assistenzarzt UKT Assistenzarzt UKT#1 – Epilepsie: Erste Evaluation des Prototypen mit 10 Assistenzärzten
und je 3 theoretischen Patientenfälle mit/ ohne CDSS
n = 30 Patientenfälle
Entscheidung des Arztes ohne CDSS
Empfehlung des CDSS Trotz korrekter
Entscheidung des Arztes mit CDSS
Empfehlung
87% entschieden Ärzte
Korrekte Diagnosestellung 100%
93%
anders => Die
Empfehlung des
63% CDSS muss
Korrekte Therapieempfehlung 100% nachvollziehbarer
83%
werden
87%
Korrekte Aufklärung 100%
100%
Quelle: Evaluation des Arezzo Epilepsie CDSS am Universitätsklinikum Tübingen mit 10 Assistenzärzten, die für jeweils 3 virtuelle
Patientenfälle ohne und mit Arezzo eine Diagnose und Therapie entwickelt haben.Die Arezzo-CDSS Prototypen
Diagnose und Therapie von Epilepsie
Tumorboardvorbereitung für Kolonkarzinom
Langzeitnachsorge nach StammzelltransplantationAREZZO in Anwendung #2 – Kolonkarzinom mit Ko-Morbiditäten
Ausgangssituation Beispiele
Dauer Infos
Fall Fehlende Infos
• Zweithäufigste Krebserkrankung einzuholen
• Patienten meist >65 Jahre mit Histologie,
Tumormarker, CT-
Begleiterkrankungen #1
Befund,
43 Min.
• Assistenzärzte melden Patienten Laborergebnisse
trotz unvollständiger #2 CT-, MRT-Befund 15 Min.
Informationen für das TB an
TNM, MRT-Befund
• Oberarzt bereit die die Empfehlung #3 14 Min.
für das TB vor, muss dafür aber #4 ECOG, Tumormarker 8 Min.
sämtliche fehlenden Infos
Histologie, MRT-Befund
zusammentragen #5 Name des Zuweisers 14 Min.
• Ko-morbiditäten werden nicht
Durchschnittliche Vorbereitungszeit pro Fall
systematisch berücksichtigt (n=20): 18 Minuten#2 – Kolonkarzinom: Patientenindividuelle Anamnese u.a. der
Begleiterkrankungen
Arezzo erfragt relevante Techn. Anm.:
Ebenso werden abgefragt:
Begleiterkrankungen … • ECOG-Score
Die Inhalte
• Sozialanamnese
fließen in
• Medikamente
Arezzo nicht-
• Symptome und linear. Je nach
körperliche Befunde
Patient
werden
weitere Inhalte
… und berechnet die 10-Jahres- geladen und
Überlebenswahrscheinlichkeit in den Fluss
der Fragen
eingefügt.#2 – Kolonkarzinom: Arezzo erfragt sämtliche Befunde
Arezzo erfragt sämtliche Befunde
(z.B. Koloskopie, MRT, CT, Sono,
Labor, etc.)
… und berechnet
die
Tumorklassifikation#2 – Kolonkarzinom: Empfehlung
Arezzo gibt eine Empfehlung Techn. Anm.:
für das Tumorboard und stellt
Alternativen dar Arezzo geht
von dem Ziel
Aber nur wenn die aus, das
notwendigen erreicht
Informationen für das TB werden soll
eingegeben wurden! (vollständige
Infos für das
Tumorboard)
und stellt die
hierfür
erforderlichen
Fragen.#2 – Kolonkarzinom: Klinische Zusammenfassung
Arezzo generiert eine
Zusammenfassung aller
Arezzo gibt eine Empfehlung Techn. Anm.:
Informationen
für das Tumorboard und stellt für den OA Arezzo enthält
Alternativen dar und das TB ein separates
Tool, um die
dynamische
Anzeige von
Daten zu
konfigurieren,
Der Bericht enthält wie z.B. die TB-
alle Informationen, Präsentation,
die das Tumorboard den
für eine Entscheidung Entlassbrief
benötigt etc.AREZZO in Anwendung #2 – Evaluation
TB-Vorbereitung von 5 Fällen ohne und mit Arezzo
Ohne Arezzo Mit Arezzo
Dauer TB Dauer TB
Fall Fehlende Infos Fehlende Infos
Vorbereitung Vorbereitung
Histologie, Tumormarker,
#1 CT-Befund, 43 Min. Histologie 1 Min.
Laborergebnisse
#2 CT-, MRT-Befund 15 Min. Keine 1 Min.
TNM, MRT-Befund Röntgen-Thorax,
#3 14 Min. 2 Min.
MRT-Becken
#4 ECOG, Tumormarker 8 Min. Keine 1 Min.
Histologie, MRT-Befund
#5 14 Min. Keine 1 Min.
Name des Zuweisers
Durschnittlicher Zeitbedarf ohne Arezzo: Durchschnittlicher Zeitbedarf mit Arezzo:
18 Minuten (über 20 Fälle) 1 Minute (über 5 Fälle)
Histologie und MRT-Becken werden jetzt
noch in dem Arezzo-Prototypen ergänztDie Arezzo-CDSS Prototypen
Diagnose und Therapie von Epilepsie
Tumorboardvorbereitung für Kolonkarzinom
Langzeitnachsorge nach StammzelltransplantationAREZZO in Anwendung #3 – Nachsorge nach Stammzelltransplantation Ausgangssituation Ziel Ergebnisse • Hohes Risiko für • Unterstützung der indiv. • Arezzo empfiehlt Langzeitkomplikationen Langzeitnachsorge Nachsorgeunter- nach Stammzell- • Laufende Aktualisierung suchungen basierend transplantation der Empfehlungen auf indiv. Symptomen • Individualisierte, basierend auf und Untersuchungs- risikoadaptierte und Untersuchungs- ergebnissen multidisziplinäre ergebnissen • Dr. Kaufmann: „Auch Nachsorge • Patientenindividuelle für sehr komplexe erforderlich, um Erinnerungen für Patientenfälle geeignet. Langzeitfolgen korrekt Nachsorgeunter- Prototyp (…) führt den zu diagnostizieren und suchungen Arzt zu den relevanten adäquat zu behandeln Problemen.“
Fazit
Ergebnisse
• Clinical Decision Support Systeme können einen unmittelbaren Mehrwert für den
Nutzer generieren
• Arezzo kann Ärzten dabei helfen, die für die Diagnose und Therapie notwendigen
Informationen digital zu erheben
• Arezzo kann Ärzte bei der Diagnose, Therapie und Nachsorge komplexer
Erkrankungen unterstützen.
Nächste Schritte
• Beantragung von Fördermitteln für Digitale Medizin des Land Baden-Württemberg
zur Weiterentwicklung und Pilotierung des Epilepsie CDSS
• Prüfung der KIS-Integration des Kolonkarzinom-CDSS am JKB
• Evaluation des klinischen Nutzens am RBK
Entscheidungsunterstützung durch aktive LeitlinienVielen Dank! Patrick Scheidt, Elsevier Clinical Solutions Managing Director DACH + E p.scheidt@Elsevier.com
#2 – Kolonkarzinom: Familienanamnese zum Ausschluss eines
familiären Krebssyndroms
Arezzo erfragt die
Familienanamnese…
… und berechnet die
Wahrscheinlichkeit für familiär
bedingten DarmkrebsElsevier treibt die Entstehung von Wissen voran
66 Standorte Über 7.500 193 Jahre Erfahrung
In 24 Ländern Mitarbeiter weltweit in der Medizin
® KIS-Integration von Machine Learning
ClinicalKey
von 4.200+ Gesundheits- CDS-Systemen Über 1.000 prädiktive
einrichtungen genutzt mit globalen und lokalen KIS- Modelle, die auf 1,5 Mrd.
Anbietern elektronischen
Gesundheitsereignissen
trainiert wurden
Hauptsitz in LONDON und AMSTERDAM
Entscheidungsunterstützung durch KI
12-02-19Arezzo Clinical Decision Support Framework:
Deklarative Künstliche Intelligenz
Deklarativer Ansatz
Spezialwissen von Leitlinien und Schlussfolgerungsfähigkeit klinischer Experten
AREZZO werden in der Programmiersprache PROforma formal nachgebildet, so dass sie
§ Entwickelt von von einem Computer interpretiert werden können
Cancer
Research UK Kein Algorithmus
§ Seit 15 Jahren • Lösungsweg wird nicht algorithmisch vorgegeben
Anwendung in • Bedingungen, die Lösung des Problems erfüllen soll, werden definiert
der klin. Praxis • Effiziente Programmierung
§ 2015 von
Elsevier Keine Blackbox
übernommen • Möglichkeit zu überprüfen, wie Entscheidungen getroffen wurden oder warum
bestimmte Optionen empfohlen wurden und andere nicht
• Keine „Black-box“ wie bei Machine Learning!
Entscheidungsunterstützung durch aktive LeitlinienElsevier Artificial Intelligence Resource Center
• Um Forschungsleitern, politischen
Entscheidungsträgern und anderen zu
helfen, im Feld der KI zu navigieren, führt
Elsevier ein Projekt durch, um eine
umfassende globale Untersuchung
künstlicher Intelligenz aufzubauen.
• Kombination von semantischer
Forschung mit Erkenntnissen von KI-
Experten, Praktikern und politischen
Entscheidungsträgern
• Kostenlos für den Zugriff auf die Website und den Bericht https://www.elsevier.com/connect/ai-
resource-center
When Evidence meets AI
03-09-182020 wird sich das medizinische Wissen alle 73 Tage verdoppeln. Title (change with Header & footer button) 12-02-19
Schon heute dauert es 17 Jahre, bis
nur 14% der wissenschaftlichen
Erkenntnisse in der täglichen Praxis
angewendet werden.
17 Jahre
Evidenz PraxisEntscheidungsunterstützung durch KI
Künstliche Intelligenz
Schwache
Schwache KI
KI
Wissensbasierte Wissensbasierte Systeme
Systeme
Wissensbasierte Systeme modellieren eine Form
Machine Learning rationaler Intelligenz für Expertensysteme. Diese sind
in der Lage, auf eine Frage des Anwenders auf
Starke KI Grundlage formalisierten Fachwissens und daraus
Robotik gezogener logischer Schlüsse Antworten zu liefern.
Entscheidungsunterstützung durch aktive Leitlinien
12-02-19Exkurs: Machine Learning in der Medizin
• Die heutigen "Big Data" über die klinische Versorgung ...
17 Jahre
Evidenz Praxis
… repräsentiert weniger als 20% der evidenzbasierten Erkenntnisse
Erhebungsverzerrungen* haben erhebliche Auswirkungen
• Unterrepräsentation von Frauen, ethnischen Minderheiten, älteren Menschen, ..
• Zum Beispiel, ist es weniger wahrscheinlich, dass bei Frauen die koronare
Herzkrankheit diagnostiziert wird, und wenn sie diagnostiziert wird ist es
weniger wahrscheinlich, dass sie eine angemessene Behandlung erhalten, etc.
Entscheidungsunterstützung durch aktive Leitlinien
03-09-18 * Systematic distortion in measuring the true frequency of a phenomenon due to the way in which the data are collectedSie können auch lesen
