Entscheidungsmodellierung in der Senologie – aktueller Stand und zukünftige Forschung

Einleitung:

Medizinische Entscheidungen sind nicht nur komplex, sie sind auch schwer in Entscheidungsmodellen darzustellen. Dabei spielt die Darstellung von transparenten Therapieentscheidung eine immer größere Rolle, nicht nur, um seine eigenen Entscheidungsmuster zu überprüfen, sondern auch um die S3 Leitlinie anzuwenden und mit dem Erfahrungswissen zu erweitern.

Methodik:

Vor dem Hintergrund der oben skizzierten Herausforderungen wurde ein Literaturreview zum Thema der Entscheidungsmodellierung in der Senologie durchgeführt. Die verwandten MesH-Terms lauteten: breast cancer AND decision support techniques. Es wurden PubMed und Springer als Suchmaschinen für das Review verwendet. Als Zeitraum wurden die Jahre 2000 – 2018 gewählt.

Ergebnisse:

Insgesamt wurden 200 potentiell relevante Artikel identifiziert, wobei nach der Prüfung 34 Artikel in den eigentlichen Review eingeflossen sind. Für die Kategorisierung wurden folgende Gruppen angelegt: Knowledge Modelling in General (7), Knowledge Modelling of Clinical Guidelines (17), Knowledge Modelling of Breast Cancer (10).

Es konnten zwei Darstellungsmöglichkeiten identifiziert werden. Die erste Möglichkeit ist die abstrakte Darstellung, welche z.B. das Asbru-Modell, UML und BPM oder das GLIF-Modell beinhaltet. Die zweite sind verschiedene, konkrete computergestützte Ansätze, wie z.B. das Fallbasierte Schließen, Semantic-Web-Ansätze, OWL, Entscheidungsbäume oder Neuronale Netze.

Fazit und Ausblick:

Die Ergebnisse zeigen, dass verschiedene Ansätze für die Modellierung von Entscheidungen verwendet werden können. Basierend auf diesem Review sollen nun die am besten geeigneten Ansätze herausgefiltert und eine Anforderungsanalyse durchgeführt werden, sodass ein Prototyp entwickelt werden kann, der die Entscheidungen bei der Therapiefindung beim primären Mammakarzinom unterstützen soll.