Seiteninterne Suche

IMI Archiv

Evaluation von Literate-Programming-Umgebungen für klinische Entscheidungsunterstützung

Masterarbeitsthema Informatik oder Medizintechnik

Hintergrund

Technische Datenverarbeitung vereinfacht die klinische Interpretation umfangreicher Patientendaten durch automatisierte Alarmfunktionen, Score-Berechnungen und Therapievorschläge. Die formale Definition solcher klinischer Entscheidungsunterstützungsfunktionen (CDS-Funktionen) erfolgt üblicherweise, indem Domänenexperten (Ärzte) entweder mit technisch ausgebildeten Entwicklern kommunizieren (indirekter Wissenserwerb), oder indem die Kliniker die Entscheidungsregeln selbständig in spezialisierte Werkzeuge eingeben (direkter Wissenserwerb).

Da die meisten Ärzte allerdings über keine spezielle technische Ausbildung verfügen, erweist sich die Entwicklung praxistauglicher Eingabewerkzeuge für den direkten Wissenserwerb erfahrungsgemäß als schwierig. Im Zusammenhang wissenschaftlicher Datenanalysen wer-den in jüngerer Zeit vermehrt Literate-Programming-Umgebungen diskutiert. Diese fassen die die Auswertung bestimmende Syntax, allgemeinverständliche Erklärungen, sowie dynamisch erzeugte Resultate in interaktiven Notebooks zusammen (siehe Abbildung).

Abbildung 1: Screenshots eines Literate-Programming-Notebooks, welches die Eingabe-Syntax mit dynamisch erzeugten Ausgaben sowie inhaltlichen Erklärungen zusammen darstellt. Welchen Nutzen bieten Notebooks beim direkten Wissenserwerb für die klinische Entscheidungsunterstützung?

Die in Literate-Programming-Umgebungen unterstützten interaktiven Funktionen lassen auch eine Vereinfachung des direkten CDS-Wissenserwerbs plausibel erscheinen, allerdings sind die genauen anforderungsabhängigen technischen Optionen sowie die Praxistauglich-keit dieses Ansatzes noch ungeklärt. In dieser Arbeit soll daher die Eignung von Literate-Programming-Umgebungen für die Entscheidungsunterstützung anhand einer prototypisch angepassten Notebook-Konfiguration mit potentiellen Anwendern praktisch erprobt werden.

Ziele und Aufgaben

Einarbeitung in Literate-Programming-Umgebungen und Recherche publizierter medizini-scher Anwendungsfälle, sowie Abgrenzung funktionaler Anforderungen aus beispielhaften CDS-Anwendungen. Analyse der Schnittstellen und technischer Erweiterungsoptionen für domänenspezifische Sprachen. Entwicklung bzw. Konfiguration eines Jupyter Kernels zur prototypischen Unterstützung einer oder mehrerer domänenspezifischer CDS-Sprachen in interaktiven Notebooks. Die Autocomplete-Funktion soll hierbei die interaktive Identifikation und Auswahl vorliegender Merkmale in klinischen Testdaten (d.h. eine fiktive Krankenakte) bzw. der Konzepte einer exemplarischen Standard-Terminologien vereinfachen. Beispielhaft umgesetzte CDS-Funktionen sollen hierbei eine interaktive Steuerung (via ipywidgets) sowie grafische Ausgaben unterstützen.

Praktische Testung und Evaluation der prototypisch bereitgestellten Ausführungsumgebung für die klinische Entscheidungsunterstützung mit klinischen Experten anhand eines Parcours ausgewählter Entscheidungsregeln (mit einem noch zu bestimmenden Personenkreis, z.B. freiwillige Medizinstudenten oder Ärzte).

Anforderungen/Voraussetzungen

Interesse an einem breiten Spektrum technischer und nicht-technischer Herausforderungen. Vorkenntnisse zur Entwicklung bzw. Konfiguration von Webanwendungen (insb. in Python) sowie Grundkenntnisse zur klinischen Entscheidungsunterstützung, oder die Bereitschaft zur entsprechenden Einarbeitung.

Quellen
  • IPython: a System for Interactive Scientific Computing. Pérez F, Granger BE. Computing in Science and Engineering. 2007.
  • Literate Programming. D. E. Knuth. The Computer Journal. 1984 https://doi.org/10.1093/comjnl/27.2.97
  • Jupyter Notebook Tutorial: Introduction, Setup, and Walkthrough. https://www.youtube.com/watch?v=HW29067qVWk
    https://jupyter.org/
Kontakt

Lehrstuhl für Medizinische Informatik, Friedrich-Alexander-Universität Erlangen-Nürnberg. Wetterkreuz 13, 91058 Erlangen

  • Dr. Dennis Toddenroth (Dennis.Toddenroth@fau.de)
  • Dr. Stefan Kraus (Stefan.Kraus@uk-erlangen.de)