Fakultät Mathematik und Naturwissenschaften, Fachrichtung Psychologie, Professur für Ingenieurpsychologie und Angewandte Kognitionsforschung Die Signalentdeckungstheorie.

Präsentation zum Thema: "Fakultät Mathematik und Naturwissenschaften, Fachrichtung Psychologie, Professur für Ingenieurpsychologie und Angewandte Kognitionsforschung Die Signalentdeckungstheorie."—  Präsentation transkript:

1 Fakultät Mathematik und Naturwissenschaften, Fachrichtung Psychologie, Professur für Ingenieurpsychologie und Angewandte Kognitionsforschung Die Signalentdeckungstheorie und ihre Anwendung in der medizinischen Diagnostik Seminar HP5 Sommersemester 2014 Dozentin: Dr. Romy Müller Referentin: Hanna Bärwinkel Dresden,

2 Präsentationsname XYZ
Gliederung 1. Einleitung 2. Signalentdeckungstheorie 2.1. Signalentdeckungsparadigma 2.2. Setzen des Antwortkriteriums 2.3. Sensitivität 3. Anwendung in der medizinischen Diagnostik 4. Fazit 5. Quellen TU Dresden, Präsentationsname XYZ

3 Präsentationsname XYZ
1.Einleitung SDT als mathematisch-funktionales Modell der menschlichen Informationsverarbeitung und seine Komponenten zu wiederholen und genauer kennenzulernen beleuchten inwieweit das Modell in der Praxis der medizinischen Diagnostik angewandt werden kann welche Chancen bietet es für die Qualitätsverbesserung des medizinisch-diagnostischen Prozesses? TU Dresden, Präsentationsname XYZ

4 2. Signalentdeckungstheorie
SDT analysiert die Detektion von schwer zu entdeckenden Signalen in Situationen in denen ein Signal entweder vorliegt oder nicht vorliegt (Rauschen vs. Signal) Bsp: Sicherheitskontrolle am Flughafen, Untersuchung von Röntgenbildern fehlbarer Beobachter (Mensch oder Maschine) entscheidet über das Vorliegen TU Dresden, Präsentationsname XYZ

5 2.1. Signalentdeckungsparadigma
2 Stadien der Informationsverarbeitung: (1) sensorische Hinweisreize bezüglich des Vorhandensein bzw. Nichtvorhandeneins werden gesammelt (2) Entscheidung über das Vorhandensein wird vom Beobachter getroffen TU Dresden, Präsentationsname XYZ

6 2.1. Signalentdeckungsparadigma
4 mögliche Ergebnisse des Detektionsprozesses: Wahrscheinlichkeiten der 4 Ereignisse ergeben sich jeweils aus der Division der Ereignisse pro Zelle durch die Gesamtzahl von Ereignissen pro Spalte z.B. NSignale=20, davon sind 5 Treffer und 15 Verpasser -> P(Treffer) = 5/20=0,25 (Trefferrate) TU Dresden, Präsentationsname XYZ

7 2.1. Signalentdeckungsparadigma
durch das Signal oder Rauschen wird die ständig fluktuierende Evidenzvariable X verursacht (Aktivität in bestimmter Hirnregion; Wert ist im Durchschnitt größer, wenn tatsächlich ein Signal vorhanden ist; je stärker das Signal, desto größer ist X) wird Wert Xc erreicht, so wird ein Signal gemeldet, unabhängig davon, ob es tatsächlich existiert Quellen des Rauschens können external sowie internal sein TU Dresden, Präsentationsname XYZ

8 2.2. Setzen des Antwortkriteriums
gibt an wie stark Personen geneigt sind, ein Signal zu entdecken Beobachter variieren in ihrer Antworttendenz/Antwortkriterium: konservatives Kriterium neutrales Kriterium liberales Kriterium hoch: Verpasser, korrekte Zurückweisungen niedrig: Treffer, falsche Alarme β>1 NTreffer = Nkorrekte Zurückweisung Nverpasser = Nfalsche Alarme β = 1 hoch: Treffer, falsche Alarme niedrig: Verpasser, Korrekte Zurückweisungen β<1 2.1. Signalentdeckungsparadigma TU Dresden, Präsentationsname XYZ

9 2.2. Setzen des Antwortkriteriums
Bestimmung des optimales Beta Wahrscheinlichkeit ein Signal zu beobachten Kosten und Nutzen der vier verschiedenen Ergebnisse 50 % Wahrscheinlichkeit eines Signals → Entscheidungskriterium XC sollte an der Überschneidung der Verteilungen liegen (β = 1) Signal ist wahrscheinlicher als Rauschen → liberales Antwortkriterium Rauschen ist wahrscheinlicher als Signal → konservatives Antwortkriterium Maximierung des Erwartungswertes, z.B. finanzieller Gewinn oder Verlust TU Dresden, Präsentationsname XYZ

10 2.3. Setzen des Antwortkriteriums
äußere Umstände bestimmen welche Strategie anzuwenden ist Findet Beispiele für Situationen in denen ein konservatives bzw. liberales Kriterium verwendet werden sollte! Konservatives Kriterium Liberales Kriterium Auswertung des Röntgenbildes eines gesunden Patienten ohne Krankheitssymptome Auswahlverfahren Piloten Auswertung des Röntgenbildes eines überwiesenen Patienten mit verschiedenen Krankheitssymptomen Sicherheitskontrollen am Flughafen Überwachung Atomkraftwerk TU Dresden, Präsentationsname XYZ

11 Präsentationsname XYZ
2.3. Sensitivität 𝑑′=(μS−μR) / σR μS Mittelwert μR Mittelwert Rauschen σR Streuung Rauschen gibt an wie gut die Unterscheidung von Signal und Rauschen dem Beobachter gelingt große Überschneidung der Verteilungen -> wenig sensitiv wenig bis keine Überschneidung der Verteilungen -> hoch sensitiv TU Dresden, Präsentationsname XYZ

12 Präsentationsname XYZ
2.3. Sensitivität abhängig von: den physikalischen Eigenschaften des Signals (z.B. Salienz, Intensität) Eigenschaften des Beobachters (z.B. Hörvermögen bei auditiver Aufgabe) TU Dresden, Präsentationsname XYZ

13 3. Anwendung in der medizinischen Diagnose
Anomalitäten des Patienten (z.B. Krankheiten, Tumore) sind vorhanden oder nicht Arzt fungiert als Beobachter und trifft die Entscheidung Bsp.: radiologische Untersuchung zu potentiellen Tumoren vs. Zysten Entscheidung des Beobachters über das Vorhandensein eines Signals Sensitivität Antwortkriterium Physikalische Eigenschaften des Signals Eigenschaften des Beobachters Wahrschein-lichkeit ein Signal zu beobachten Kosten und Nutzen der vier Ergebnisse der Entscheidung TU Dresden, Präsentationsname XYZ

14 3. Anwendung in der medizinischen Diagnose
Entscheidung des Beobachters über das Vorhandensein eines Signals Sensitivität Antwortkriterium Physikalische Eigenschaften des Signals Eigenschaften des Beobachters Wahrschein-lichkeit ein Signal zu beobachten Kosten und Nutzen der vier Ergebnisse der Entscheidung Prävalenz der Krankheit in der Population; Erstuntersuchung vs. Überweisung Salienz der Abnormalität und Anzahl der Symptome Ausbildung des Arztes bezüglich der Hinweisreize TU Dresden, Präsentationsname XYZ

15 3. Anwendung in der medizinischen Diagnose
Kosten und Nutzen der vier Ergebnisse der Entscheidung: Treffer Falscher Alarm Verpasser Korrekte Zurückweisung chirurgische Entfernung -> verbesserte Überlebenschancen unnötige Operation, unnötige Kosten für Krankenhaus, Gerichtsverfahren, Gefahren einer OP Vermeidung einer unnötigen Biopsie, Vermeidung unnötiger Kosten verschlechterte Überlebenschancen Wie sind die verschiedenen Ergebnisse zu gewichten? TU Dresden, Präsentationsname XYZ

16 3. Anwendung in der medizinischen Diagnose
Swets (1998): Ärzte verwenden ein bestimmtes Verhältnis von Kosten und Nutzen: „Lieber zweimal richtig liegen, wenn Krebs vorliegt, als wenn er nicht vorliegt“ ->liberales Kriterium Empfehlung von Lusted (1976): stärkere Beachtung der Prävalenz in der Bevölkerung durch Ärzte Empfehlung von Parasuraman (1985): stärkere Beachtung von Unterschieden der Signalwahrscheinlichkeit zwischen Erstuntersuchten und überwiesenen Patienten durch Radiologen TU Dresden, Präsentationsname XYZ

17 3. Anwendung in der medizinischen Diagnose
Swets (1998): Untersuchung zur Verbesserung der Sensitivität von Radiologen bei der Unterscheidung Krebstumoren und Zysten mithilfe von Mammografien: Entwicklung einer Checkliste mit verschiedenen Arten von Merkmalen von Krebstumoren Bewertung jedes Merkmal auf einer Skala zur Sicherheit des Vorhandenseins Radiologie mit wenig Erfahrung im Umgang mit Mammografien zeigten eine größere Sensitivität bei Verwendung der Checkliste TU Dresden, Präsentationsname XYZ

18 Präsentationsname XYZ
4. Fazit SDT ermöglicht der Psychologie die statistische Modellierung des Entscheidungsprozesses überwindet die Konfundierung von Sinnesempfindlichkeit (Sensitivität) und Entscheidungsverhalten (Antwortkriterium) ermöglicht das Verstehen des komplexen Signalentdeckungsprozess , Fehleranalyse und dementsprechende korrektive Handlungen birgt Mehrwert zur Verbesserung von Informationsverarbeitungsprozessen in der medizinischen Diagnostik TU Dresden, Präsentationsname XYZ

19 Präsentationsname XYZ
5. Quellen Lusted, L. B. (1976). Clinical decision making. In D. Dombal & J. Grevy (eds.), Decision making and medical care. Amsterdam: North-Holland. Parasuraman, R. (1985). Detection and identification od abnormalities in chest x-rays: Effects of reader skill, desease prevalence, and reporting standarts. In R. E. Eberts & C. G. Eberts (eds.), Trends in ergonomics/human factors II (pp ). Amsterdam: North-Holland. Swets , J. A. (1998). Separating discrimination and decision in detection, recognition, and matters of life and death. In An invitation to cognitive science: Methods, models, and conceptual issues (Vol. 4, D. Scarborough and S. Sternberg, Eds.) (2nd Ed., pp ). Cambridge, MA: MIT Press. Wickens, C. D., Hollands, J. G., Banbury, S., & Parasuraman, R. (2013). Signal Detection and Absolute Judgement. In C. D. Wickens et al. (Hsrg.), Engineering psychology and human performance (4th ed., S. 8-48). Boston, MA: Pearson. TU Dresden, Präsentationsname XYZ

20 Präsentationsname XYZ
Vielen Dank für eure Aufmerksamkeit! TU Dresden, Präsentationsname XYZ

21 Präsentationsname XYZ
TU Dresden, Präsentationsname XYZ