Institut für Medizinische Biometrie, Epidemiologie und Informatik Workshop Der Impact der Medizinischen Informatik Einleitung Klaus Pommerening GMDS-Jahrestagung.

Präsentation zum Thema: "Institut für Medizinische Biometrie, Epidemiologie und Informatik Workshop Der Impact der Medizinischen Informatik Einleitung Klaus Pommerening GMDS-Jahrestagung."—  Präsentation transkript:

1 Institut für Medizinische Biometrie, Epidemiologie und Informatik Workshop Der Impact der Medizinischen Informatik Einleitung Klaus Pommerening GMDS-Jahrestagung 2009 Essen, 9. September 2009

2 Institut für Medizinische Biometrie, Epidemiologie und Informatik 2 Informatik und Medizinische Informatik  Junge Fächer ohne ausgeprägtes historisches Bewusstsein.  Sichtbarkeit der MI in der Informatik oft undeutlich.  Viele Entwicklungen der Informatik wurden im medizinischen Anwendungsbereich angestoßen.  MI als anwendungsorientierte Disziplin:  Anpassung und Anwendung informatischer Methoden,  Entwicklung eigenständiger Methoden …  … mit Rückwirkung auf die Informatik,  neue Ideen im Grundlagenfach durch Abstraktion und Verallgemeinerung. Ziel: Sichtbarkeit der MI in der Informatik durch geeignete Publikation verbessern.

3 Institut für Medizinische Biometrie, Epidemiologie und Informatik 3 MEDIZINISCHE INFORMATIK Anwendungsdomäne: Medizin/Gesundheitswesen Konkrete ProblemeLösungen Grundlagenfach: Informatik Generische Methoden Verallgemeinerte Ergebnisse Methoden Techniken und Werkzeuge anwenden Adaptieren Auswerten Evaluieren Weiter/neu entwickeln Grafik von R. Lenz

4 Institut für Medizinische Biometrie, Epidemiologie und Informatik 4 Grundlagen und Anwendungen Bewertung wissenschaftlicher Leistungen: Substanz vs. Relevanz  Maßstäbe im Grundlagenfach: Substanz = wissenschaftlicher Tiefgang, originelle Ideen, logische Konsistenz, Verallgemeinerungsfähigkeit  Maßstäbe im Anwendungsfach: Relevanz = Anwendbarkeit, konkrete Problemlösung, Bedeutung des gelösten Problems für die Anwendung

5 Institut für Medizinische Biometrie, Epidemiologie und Informatik 5 Gute Grundlagenforschung ... schafft konsistente Theorien, ... und neue Paradigmen, ... kann in Sackgassen führen,  aber: Auch ein negatives Ergebnis kann Fortschritt bedeuten! ... kann sich als wenig relevant für eine Anwendung erweisen, ... führt zu überraschendem, ungeplanten Fortschritt, ... wirkt sich oft erst Jahre später in der Praxis aus, ... erhält nur Anerkennung von nahestehenden Fachleuten ... und wird von weiter weg Stehenden gerne als „weltfremde Spinnerei“ abgetan.

6 Institut für Medizinische Biometrie, Epidemiologie und Informatik 6 Gute angewandte Forschung ... löst konkrete relevante Probleme, ... muss unoriginelle, unelegante, inkonsistente Ansätze verfolgen, ... muss existierende Methoden und Werkzeuge an die komplexen Verwicklungen der Realität anpassen, ... erhält Anerkennung aus dem Anwendungsgebiet,  von dem aus aber die Schwierigkeit der Lösung oft unterschätzt wird –, ... und höchstens Mitleid aus dem Grundlagengebiet.

7 Institut für Medizinische Biometrie, Epidemiologie und Informatik 7 Welche Arten von Impact gibt es?  Vorhandene Methoden (Techniken, Werkzeuge) werden übernommen und weiterentwickelt.  Grundlagenfach  Anwendung  Neue Methoden werden entwickelt, neue Probleme werden ans Grundlagenfach „zurückgemeldet“ und dort bearbeitet und verallgemeinert.  Anwendung  Grundlagenfach  Achtung: Auch „Frühformen der MI berücksichtigen (Gesundheitsstatistik, Medizintechnik, …  Informatik und MI erst seit ca. 1970 etabliert.

8 Institut für Medizinische Biometrie, Epidemiologie und Informatik 8 Was gehört zur MI? Medizinische Informatik Medizinische Statistik und Dokumentation Medizintechnik Krankenblattdokumentation Gesundheitsstatistik Register Schlüssel-/Begriffssysteme Signalverarbeitung Bildverarbeitung Labordatenverarbeitung Vor 1970 | seit 1970

9 Institut für Medizinische Biometrie, Epidemiologie und Informatik 9 Prominente Beispiele Bereiche, in denen die MI wesentlichen Fortschritt der Informatik induziert hat:  Medizinische Bildverarbeitung (  T. Deserno)  Unterstützung medizinischer Prozesse (  P. Schmücker/ R. Lenz)  Klassifikation und Terminologien (  J. Ingenerf)  Datenschutz-unterstützende Techniken (  K. Pommerening)  Wissensbasierte Systeme  Bioinformatik  Methodik: Der Einfluss der Nachbarfächer Biometrie und Epidemiologie

10 Institut für Medizinische Biometrie, Epidemiologie und Informatik 10 Wissensbasierte Systeme (nur kurz) Expertensysteme: Neuanfang der AI/KI nach Scheitern des „General Problem Solver“.  MYCIN (Stanford 1972 (ab ca 1970) Shortliffe)  Diagnose und Therapie von Infektionskrankheiten  Regelbasiertes System (Wenn-Dann-Regeln)  Sehr hohe Trefferquoten, aber in Praxis nicht durchgesetzt.  Abstraktion zu „Expertensystem-Shell“ E-Mycin bzw. ESE (IBM)  Internist-I/ QMR (Pittsburgh 1974 (ab ca 1970) Myers, Miller, Pople, Yu)  Diagnostik in der inneren Medizin  Hybrides System mit Ranking-Algorithmus

11 Institut für Medizinische Biometrie, Epidemiologie und Informatik 11 Bioinformatik (nur kurz) Relevante Impulse aus den Problembereichen  Hochdimensionale Datenanalyse  Neue Verfahren der Biostatistik  geometrische Modellierung, Visualisierung  Algorithmen/ Methoden:  Mustererkennung, Sequence Alignment  Dynamische Programmierung  Heuristische Programmierung  3D-Modellierung (Proteinfaltung)  Statistische Sequenzanalyse  Markov-Ketten  Künstliche neuronale Netze  …

12 Institut für Medizinische Biometrie, Epidemiologie und Informatik 12 Methodik  Tradition der „Medizinischen Statistik und Dokumentation“ in Medizinischer Informatik, Biometrie und Epidemiologie fortgesetzt.  Gemeinsame historische Entstehung, personelle und institutionelle Verflechtung.  Jahrzehnte-alte Erfahrungen in der Qualitätssicherung der Datenverarbeitung.  Wenige gute Daten sind besser als viele schlechte.  Aus schlechten Daten kann man beliebig falsche Folgerungen herleiten. („Garbage in, garbage out“.)  Gute Ergebnisse sind nur nach sorgfältiger Planung möglich.  Datenfriedhöfe nützen niemandem. In informatischen Projekten oft zu leichtfertiges/ optimistisches Vorgehen.

13 Institut für Medizinische Biometrie, Epidemiologie und Informatik 13 Qualität der Datenverarbeitung  Saubere Modellierung des Anwendungsbereichs vor der Datensammlung.  Klare Hypothesenbildung vor der Datensammlung.  Hohe Datenqualität: Aus wenigen, sorgfältig geprüften Daten lassen sich viel tragfähigere Aussagen gewinnen als aus einer umfangreichen rohen Datensammlung.  Systematische Evaluation von Methoden und Verfahren nicht nur vor, sondern auch während und nach der Einführung.  „Gute Praxis“ – systematisches Vorgehen nach definierten Leitlinien und Qualitätskriterien.