medizinische informatik 2. daten-information-wissen wintersemester 2010/11 dozent: univ.-prof. dr....

26
Medizinische Informatik 2. Daten-Information- Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Upload: gereon-schlenz

Post on 05-Apr-2015

104 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Medizinische Informatik 2. Daten-Information-Wissen

Wintersemester 2010/11Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Page 2: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Aufnahme

Diagnostik

Therapie

Station

OP / Intensivbehandlung

Entlassung

Wo entstehen medizinische Daten?Was sind die Datenträger?Wer produziert die Daten?In welchem Format liegen die Daten vor?

Page 3: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Datenentstehung bei Patientenaufnahme (I)

• Demographische Daten: Name, Adresse, Geburtsdatum, Hausarzt, Versicherungsnummer

• Datenträger: eCard• Formate: Text, Datum, Codes (z.B.

Versicherungsnummer) • Alternativ: Eingabe durch Verwaltungskraft

Page 4: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

• Überweisungsformular vom Hausarzt• Datenträger: Papier• Datentyp: Text• Alternativ: Online-Überweiserportale an

manchen Großklinika• Anamnese und Befund bei Aufnahme: meist

noch handschriftlich

Datenentstehung bei Patientenaufnahme (II)

Page 5: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Datenentstehung bei der Diagnostik: Labor

• Laborautomaten: generieren meist numerische Daten, die in das Klinikinformationssystem eingespeist werden

• Alternativ: Ausdruck auf Papier

Page 6: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Datenentstehung bei der Diagnostik: bildgebende Verfahren

• mittlerweile meist voll digitalisiert. Produzieren Datensätze in spezifischem Format (DICOM) für (unstrukturierte) Bild- und (strukturierte) Meta-Daten

• Befundende Ärzte erzeugen Befundberichte, die im Abteilungssystem gespeichert werden

• Alternativ: Röntgenbilder auf Film, Sonographie-Ausdrucke, Befunde ausgedruckt oder handschriftlich auf Papier

Page 7: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Datenentstehung bei der Therapie • Therapie auf Station, z.B. Medikamentengabe,

Physiotherapie, Diät, Pflegemaßnahmen: Eintrag in „Patientenkurve“ und Pflegedokumentation, meist noch handschriftlich

• Operationen: strukturierte Erfassung von Eckdaten (OP-Zeit), Erfassung von Materialien, Erstellung eines OP-Berichts – meist diktiert und im Abteilungs-System als Text gespeichert

Page 8: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Datenentstehung bei der Entlassung

• Entlass-Diagnosen und –Prozeduren: Codierte Information (z.B. ICD-10), in Klinikinformationssystem

• Erstellung eines Arztbriefs – meist diktiert und im Abteilungs-System als Text gespeichert und als Brief (Papier) der einweisenden Praxis / Klinik zugestellt

Page 9: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Datenentstehung bei der Weiterbehandlung

• Dokumentation im Praxisinformationssystem• Datenproduktion durch den Patienten selbst:

z.B: häusliche Messung von Blutdruck, Blutzucker, Patientenprotokolle

• Datenproduktion im häuslichen Umfeld, z.B. durch Bewegungs- und andere Sensoren bei pflegebedürftigen Patienten

• Dokumentation der Pflegemaßnahmen

Page 10: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Diff. BB: Deutliche Monozytose ,sonst o.B.

Daten und Information (I)

Page 11: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Ruhe-EKG altersent-sprechend unauffällig

Daten und Information (II)

Page 12: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Dünndarmileus

Daten und Information (III)

Page 13: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Maß für Daten

• 1 bit (binary digit): binäre Einheit („1“/„0“; „an“/aus“)• 1 Byte: 8bit (10011101). Was kann mit einem Byte

kodiert werden?• 1 Kilobyte (kB) = 210 Byte = 1024 Byte• 1 Megabyte (MB) = 1024 kB• 1 Gigabyte (GB) = 1024 MB• 1 Terabyte (TB) = 1024 GB• 1 Petabyte (PB) = 1024 TB• 1 Exabyte (EB) = 1024 PB

Page 14: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Daten = Information?

Page 15: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

• Aus Daten wird Information erzeugt durch ihre Interpretation in einem Bedeutungszusammenhang

• Informationsmenge << Datenmenge– Datenaustausch zwischen Systemen

erfordert hohe Bandbreite– Informationsaustausch zwischen

Systemen erfordert geringe Bandbreite

• Information ist eine Eigenschaft von Nachrichten

Erzeugung von Information

Page 16: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Maß für Information• Informationsgehalt proportional zur

– Reduktion von Ungewissheit– ja / nein - Fragen, die durch sie

beantwortet werden (gewichtet durch a-prioriWahrscheinlichkeiten)

• Beispiel: Zeichenkette in deutschem Text:„es“ hat geringeren Informationsgehalt als „yq“

• Begriff der Entropie in der Informationstheorie: Maß für den mittleren Informationsgehalt pro Informationseinheit:Information = beseitigte Unsicherheit

• Vertiefung: http://www.techfak.uni-kiel.de/matwis/amat/mw1_ge/kap_5/advanced/t5_3_2.html

Page 17: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

• Datenmengen im Krankenhaus wachsen nach wie vor exponentiellNeben digitaler Radiologie zunehmend digitale Pathologie und andere bild- und biosignalgebende Verfahren.

• Beispiel PACS-Systeme: 1992: 500 Gigabyte pro Jahr

4.400.000.000.000 Bit2008: 1 Petabyte

9 000 000 000 000 000 Bit• Informationen durch Menschen nur in beschränkter

Bandbreite zu verarbeiten • Medizinische Entscheider benötigen Information

– zum geeigneten Zeitpunkt, am notwendigen Ort– in der geeigneten Form, d.h. in einer angemessenen

Abstraktionsstufe (z.B. Hausarzt muss nicht den OP-Bericht lesen)

Maschinelles und menschliches Maß

Page 18: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Informationsaustausch ohne kognitive Überlastung

Page 19: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Operationsbericht

Makroskopie: "Resektat nach Whipple": Ein noch nicht eröffnetes Resektat, bestehend aus einem distalen Magen mit einer kleinen Kurvaturlänge von 9,5 cm und einer großen Kurvaturlänge von 13,5 cm, sowei einem duodenalen Anteil von 14 cm Länge. 2 cm aboral des Pylorus zeigt die Dünndarmwandung eine sanduhrartige Stenose. Im Lumen sowohl des Magens als auch des Duodenums reichlich zähflüssiger Schleim, sangoinolent; die Schleimhaut ist insgesamt livide. Anhängend ein 7,5 x 4 x 1,5 cm großes Pankreaskopfsegment sowie ein 4 cm langer derber und bis 2,5 cm durchmessender knotiger Gewebsstrang, der an seinem Ende eine Fadenmarkierung aufweist. Hier auf lamellierenden Schnitten zähfestes weißliches, teilweise nodulär konfiguriertes Gewebe, ohne das Gallengänge manifest werden. Der distale Anteil des Ductus pankreaticus ist leicht erweitert und von der Papilla vateri aus 4,5 cm weit sondierbar, wobei er hier in einer peripankreatischen Narbenzone abbricht. Die Mündung eines Gallenganges läßt sich makroskopisch nicht abgrenzen. Die berichtete Stenose im Duodenum liegt 2,5 cm oral der Papilla vateri und steht mit der beschriebenen Narbenzone in direktem Zusammenhang. Teilweise ist die Dünndarmschleimhaut im Stenosebereich polypoid vorgewölbt. Der kleinen Kurvatur anhängend ein bis 4 cm durchmessendes Fettgewebe. Darin einzelne knotige Indurationen von bis zu 1 cm größe. 1. Oraler Resektionsrand Magenkorpus. 2. Magenantrum. 3. Bulbus duodeni. 4. Stenosezone mit angrenzendem Pankreas und tuschemarkierten äußeren Resektionsrändern und einem Lymphknoten. 5. Papilla vateri - Mündung des Ductus pankreaticus. 6. Distales Ende des Ductus pankreaticus im Narbengebiet. 7. Intraparenchymaler Absetzungsrand Pankreas. 8. Peripankreatisches Gewebe. 9. bis 12. Fadenmarkierter Fortsatz an der Arteria hepatica communis von

Histologisches Gutachten

Makroskopie: "Resektat nach Whipple": Ein noch nicht eröffnetes Resektat, bestehend aus einem distalen Magen mit einer kleinen Kurvaturlänge von 9,5 cm und einer großen Kurvaturlänge von 13,5 cm, sowei einem duodenalen Anteil von 14 cm Länge. 2 cm aboral des Pylorus zeigt die Dünndarmwandung eine sanduhrartige Stenose. Im Lumen sowohl des Magens als auch des Duodenums reichlich zähflüssiger Schleim, sangoinolent; die Schleimhaut ist insgesamt livide. Anhängend ein 7,5 x 4 x 1,5 cm großes Pankreaskopfsegment sowie ein 4 cm langer derber und bis 2,5 cm durchmessender knotiger Gewebsstrang, der an seinem Ende eine Fadenmarkierung aufweist. Hier auf lamellierenden Schnitten zähfestes weißliches, teilweise nodulär konfiguriertes Gewebe, ohne das Gallengänge manifest werden. Der distale Anteil des Ductus pankreaticus ist leicht erweitert und von der Papilla vateri aus 4,5 cm weit sondierbar, wobei er hier in einer peripankreatischen Narbenzone abbricht. Die Mündung eines Gallenganges läßt sich makroskopisch nicht abgrenzen. Die berichtete Stenose im Duodenum liegt 2,5 cm oral der Papilla vateri und steht mit der beschriebenen Narbenzone in direktem Zusammenhang. Teilweise ist die Dünndarmschleimhaut im Stenosebereich polypoid vorgewölbt. Der kleinen Kurvatur anhängend ein bis 4 cm durchmessendes Fettgewebe. Darin einzelne knotige Indurationen von bis zu 1 cm größe. 1. Oraler Resektionsrand Magenkorpus. 2. Magenantrum. 3. Bulbus duodeni. 4. Stenosezone mit angrenzendem Pankreas und tuschemarkierten äußeren Resektionsrändern und einem Lymphknoten. 5. Papilla vateri - Mündung des Ductus pankreaticus. 6. Distales Ende des Ductus pankreaticus im Narbengebiet. 7. Intraparenchymaler Absetzungsrand Pankreas. 8. Peripankreatisches Gewebe. 9. bis 12. Fadenmarkierter Fortsatz an der Arteria hepatica communis von

nach Duodenopankreatektomie Pankreaskopfkarzinom, Tumorstadium pT2,pN1,Mx.

ICD-10: C25.0OPS: 5-524.1

Stufenweise Abstraktion von Information

Welche Beteiligten brauchen wann welche Information in welcher Granularität, um weder kognitiv überfordert noch unterinformiert zu sein?

Page 20: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

MedizinischeForschung

Hypothesen-generierung

Hypothesen-generierung

Hypothesen-validierung

ErzeugungwissenschaftlicherEvidenz

patientenbezogene Information

populationsbezogene Information

Aggregation

Informationsflüsse

Page 21: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

MedizinischeForschung

Hypothesen-generierung

Hypothesen-generierung

Hypothesen-validierung

ErzeugungwissenschaftlicherEvidenz

patientenbezogene Information

populationsbezogene Information

Aggregation

Informationsflüsse

Page 22: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

kanonisches Wissen

Aggregation

MedizinischeForschung

Hypothesen-generierung

Hypothesen-generierung

Hypothesen-validierung

ErzeugungwissenschaftlicherEvidenz

Informationsflüsse

patientenbezogene Information

populationsbezogene Information

Page 23: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Was ist kanonisches Wissen?

• in einem Kontext als gültig angenommene wahre, gerechtfertigte, verlässliche Meinung„Aspirin wirkt gegen Kopfschmerz“„Ein Mensch hat normalerweise 32 Zähne“

• Kanonisches Wissen in der Medizin ist das Ergebnis wissenschaftlicher Forschung

• Zu dem Begriff des Wissens s.a. http://de.wikipedia.org/wiki/Wissen http://pantheon.yale.edu/~kd47/What-Is-Epistemology.htm

(nicht prüfungsrelevant)

Page 24: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

kanonisches Wissen

Aggregation

MedizinischeForschung

Hypothesen-generierung

Hypothesen-generierung

Hypothesen-validierung

ErzeugungwissenschaftlicherEvidenz

KlinischeEntscheidungs-unterstützung

Entscheidungs-unterstützungPublic Health

Informationsflüsse

patientenbezogene Information

populationsbezogene Information

Page 25: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

kanonisches Wissen

Aggregation

MedizinischeForschung

Hypothesen-generierung

Hypothesen-generierung

Hypothesen-validierung

ErzeugungwissenschaftlicherEvidenz

KlinischeEntscheidungs-unterstützung

Entscheidungs-unterstützungPublic Health

Informationsflüsse

patientenbezogene Information

populationsbezogene Information

Unterstützung der Interpretation von Daten zur Erzeugung von Information

Zusammenführung von Information aus unterschiedlichen Quellen

Zeit- und ortsgerechte Bereitstellung von Information in benutzeradäquatem Abstraktionsgrad

Unterstützung der Generierung wissenschaftlicher Hypothesen

Automatisierte Entscheidungs-unterstützung

Interoperabilität von

Information und

Wissen durch

semantische und

terminologische

Standards

Wissensmanagement

Page 26: Medizinische Informatik 2. Daten-Information-Wissen Wintersemester 2010/11 Dozent: Univ.-Prof. Dr. med. Stefan Schulz

Testfrage

• Welche Aussage ist falsch?– Populationsbezogene Information entsteht aus der

Aggregation von Information über Einzelpersonen – Kanonisches Wissen in der Medizin kann direkt aus

Einzelbeobachtungen gewonnen werden– Aus populationsbezogener Information lassen sich

wissenschaftliche Hypothesen ableiten– Zur Hypothesenvalidierung können nicht dieselben

Daten wie zur Hypothesengenerierung verwendet werden.