Page 11 - VISION 3 Digitalisierung in der Onkologie

SCHWERPUNKT DIGITALISIERUNG IN DER ONKOLOGIE

Dipl. Inf. Dr. med. Jörg Sahlmann
(M. Sc. Medical Biometry/Biostatistics)
Arzt für medizinische Informatik
Head of Datamanagement,
Statistics and Medical Informatics

Selbstlernendes Computerprogramm sagt

Sterblichkeit vor einer Chemotherapie voraus

Unter dieser Überschrift wurde eine retrospektive Studie
vorgestellt, bei der ein Verfahren aus dem Bereich des
Maschinellen Lernens dazu verwendet wurde, um bei
einer Kohorte von knapp 27.000 Patienten ein Modell zu
entwickeln, mit dem das Mortalitätsrisiko zu Beginn einer
Was versteht man unter Chemotherapie geschätzt werden soll.
maschinellem Lernen?
Auch im Bereich der Auswertung klinischer Studien kön-
IT-Systeme sind in der Lage, analog dem Menschen eigen- nen die Verfahren des maschinellen Lernens die klassi-
ständig Wissen aus vorliegenden Datenbeständen zu schen Analyseverfahren, wie lineare oder logistische
generieren und Lösungen für z.T. unbekannte Probleme zu oder Cox-Regression, ergänzen. Hochspannend ist die
finden. Der Computer wird hierfür mit passenden Daten Ergänzung der Ergebnisse der klassischen Methoden um
und Algorithmen „gefüttert“ und versucht, in den Daten die neuen Möglichkeiten. Es ist ein wichtiger Schritt, um
bestimmte Muster und Gesetzmäßigkeiten (Modell) zu den Platz der neuen Verfahren im Rahmen von Studien-
erkennen. Mit jedem neuen Datensatz wird das Modell auswertungen zu evaluieren und prospektiv in die Stu-
besser, da der Algorithmus genutzt wird, das Modell zu dien einzuplanen.
optimieren. Ziel beim maschinellen Lernen ist es, Daten
intelligent miteinander zu verknüpfen und Zusammen-
hänge zu erkennen, um daraus Prognosen abzuleiten.
Mit selbstlernenden Maschinen können komplexe und iOMEDICO plant diesen Schritt. Im Rahmen der Studien-
aufwändige Arbeiten vom Computer übernommen wer- auswertung VALIDATE (siehe Seite 20) werden ergän-
den. Typische Beispiele hierfür sind die Spracherken- zend zu den klassischen Analyseverfahren Verfahren des
nung bei Mobiltelefonen oder E-Mail-Anwendungen, die maschinellen Lernens eingesetzt, um deren Potential in
automatisch Spam erkennen. Dabei werden die Daten der diesem Bereich zu analysieren. Lässt sich der „metas-
E-Mail vom Computer analysiert und gemäß den erkann- tatic Colorectal Cancer Prognostic Score (mCCS)“, der
ten Mustern als Spam kategorisiert. Mit jeder markierten innerhalb des Tumorregisters Kolorektale Karzinome
Nachricht lernt der Rechner und kann Spam-Nachrichten (TKK) von iOMEDICO entwickelt wurde, mit Hilfe der
noch besser identifizieren. neuen Analysemethoden validieren?
„Wir sind davon überzeugt: Das
Auch für die Erkennung von Fehlermustern oder mögli-
che Schäden in der Fertigung werden diese Methoden Potential an dieser Stelle ist bei
angewandt. Histologische Muster und Biomarker-Profile
werden mit klinischen Daten in Verbindung gebracht, und weitem noch nicht ausgeschöpft.“
können bei Diagnostik und Therapieempfehlungen helfen
– und dabei sogar hervorragende menschliche Experten
übertreffen.

REFERENZEN
https://www.univadis.de/viewarticle/selbstlernendes-computerprogramm-sagt-sterb-
lichkeit-vor-einer-chemotherapie-voraus-620276, Zugriff am 15.08.2018
Elfiky AA et al.: Development and Application of a Machine Learning Approach to
Assess Short-term Mortality Risk Among Patients With Cancer Starting Chemo-
therapy. JAMA Network Open. 2018;1(3):e180926. doi: 10.1001/jamanetworko-
pen.2018.0926

11