S3-Leitlinien konforme strukturierte Dokumentation zur Brustkrebsdokumentation in der Pathologie
Mit zunehmenden Anforderungen hinsichtlich der rechnergestützten Mehrfachverwendung einmal erhobener Patientendaten steigt der Bedarf an einer geeigneten strukturierten Dokumentation. Während es aus Sicht von dokumentierenden und kommunizierenden Menschen durchaus Gründe für die Verwendung von Freitexten gibt, sind freitextlich formulierte Inhalte für den Rechner nicht interpretierbar. Diese Beobachtung gilt auch für die makroskopische und mikroskopische Befunddokumentation in der Pathologie, die bislang überwiegend durch Freitextdiktate realisiert werden. Am Beispiel der Brustkrebs-Diagnostik werden in diesem Projekt folgende Fragestellungen bearbeitet:
- Empirische Analyse von Defiziten existierender Freitextbefunde für die Brustkrebsdiagnostik in der Pathologie mit Blick auf sogenannte S3-Leitlinie (siehe unten), z.B. fehlende bzw. fehlerhafte Angaben und Konsistenz.
- Implementierung eines Softwaresystems PathIS zur strukturierten Erfassung von Angaben zu Patient, Behandlungsfall, Einsender, Einsendung (Material) sowie Befund, inkl. Reportgenerierung in verschiedenste Formate.
- Realisierung einer strukturierten Befunderfassung mit halb-automatischer Ableitung von relevanten ICD-O-Kodes und Angaben zu Grading und B-Klassifikation sowie Freitext-Generierung von Befundabschnitten.
- Evaluation des PathIS-Systems hinsichtlich Nutzer-Akzeptanz und Dokumentationsqualität sowie Prüfung der technischen Verwendbarkeit der Dokumentationskomponente im kommerziellen Pathologie-Informationssystem.
Ergebnisse der empirischen Analyse der Freitextbefunde liegen vor, z.B. fehlende Mikrokalk-Angaben im makroskopischen Befund oder nicht einheitliche Spezifikationen zur intraduktalen Komponente bei invasiven duktalen Mammakarzinomen. Ein für dieses Forschungsprojekt implementiertes Rahmenprogramm PathIS (Java und MySQL-Datenbank) soll kein kommerzielles System ersetzen, sondern eine strukturierte Befunderfassung ermöglichen, um sie im vierten Schritt möglichst realistisch evaluieren zu können.
Zentraler Gegenstand dieses Projektes ist die Umsetzung der eigentlichen strukturierten Dokumentation einer Brustkrebs-Dokumentation. Dazu sind zwei Anteile zu realisieren:
a) Definition der S3-Leitlinien-konformen Dokumentationsstrukturen und Klassifikationen aus medizinischer Sicht.
b) Implementierung von grammatikgestützten Eingabeassistenten zur Erfassung der geforderten Merkmale und Merkmalswerte unter Beachtung definierter Abhängigkeiten sowie Generierung von Kodes und Freitext basierend auf den Grammatikeingaben (Engramme), siehe beispielshafte Screenshots für Eingaben zur Einsendung, Makroskopie und Mikroskopie sowie zur Kodeableitung.
Bemerkungen
- Interdisziplinäre S3-Leitlinie für die Diagnostik, Therapie und Nachsorge des Mammakarzinoms: Ab Seite 196 werden konkrete Dokumentationsvorschriften formuliert (Formblatt1, Formblatt 2A, Formblatt 2B, Formblatt 2B Fortsetzung) sowie zu verwendende Klassifikationen genannt.
- Im Institut für Pathologie am UK SH, Campus Lübeck wird das Nexus Pathologie - System (früher: Paschmann) eingesetzt.
Ausgewählte Publikationen
- Büchler A, Graeve L, Ingenerf J, Thorns C. Leitlinien-basierte strukturierte Dokumentation in der Pathologie. In: 58. GMDS-Jahrestagung 2013 in Lübeck. (LINK)
- Ingenerf J. Computergestützte strukturierte Befundung am Beispiel der Wunddokumentation. WundM 2009; 3[6]:264-268. (LINK1, LINK2)
- Schoech W, Hatje H, Ingenerf J. DICOM Structured Reporting in der Pathologie. In: 53. GMDS-Jahrestagung 2008 in Stuttgart. (LINK)
Projektteam
Astrid Büchler (Medizin-Doktorandin)
Lars Graeve (Informatik-Diplomarbeit)
Winfried Schoech (Informatik-Diplomand)
PD Dr. rer. nat. Josef Ingenerf
Dipl.-Inform. Dr. med. Jan-Hinrich Wrage
Kooperationspartner
PD Dr. med. Christoph Thorns, Institut für Pathologie, Universität zu Lübeck
Harald Hatje, Institut für Pathologie, Universität zu Lübeck
- Forschung
- KI und Deep Learning in der Medizin
- Medizinische Bildverarbeitung und VR-Simulation
- Integration und Nutzbarmachung von medizinischen Daten
- Sensordatenanalyse für assistive Gesundheitstechnologien
- AG Medical Image Computing and Artificial Intelligence
- AG Medical Data Science
- AG Medical Deep Learning
- AG Medical Data Engineering
- Nachwuchsgruppe Diagnostik und Erforschung von Bewegungsstörungen
Ansprechpartner
Josef Ingenerf
Professor
Gebäude 64, 2.OG
,
Raum 11
josef.ingenerf(at)uni-luebeck.de
+49 451 3101 5625