Skip to main content
Hauptrubriken
CME Facharzt-Training Webinare Zeitschriften Bücher e.Medpedia Podcast
Service
Jobbörse Info & Hilfe
Fachgebiete
Anästhesiologie Allgemeinmedizin Arbeitsmedizin Augenheilkunde Chirurgie Dermatologie Gynäkologie und Geburtshilfe HNO Innere Medizin Kardiologie Neurologie Onkologie und Hämatologie Orthopädie und Unfallchirurgie Pädiatrie Pathologie Psychiatrie Radiologie Rechtsmedizin Urologie Zahnmedizin
Themen
Klimawandel und Gesundheit Neues aus dem Markt COVID-19 Praxis und Beruf Seltene Erkrankungen GOÄ & EBM Panorama
Sammlungen
Kasuistiken Algorithmen & Infografiken Blickdiagnosen Arthropedia FlapFinder (für Dermatochirurgen) Videos Kongressberichterstattung Medizin für Apothekerinnen und Apotheker Für Ärztinnen und Ärzte in Weiterbildung Für Medizinstudierende
Erweiterte Suche
Anmelden
nach oben
Der Schmerz
Erschienen in: Der Schmerz 1/2024

02.01.2024 | Seltene Erkrankungen | Schwerpunkt

Kurze Wege zur Diagnose mit künstlicher Intelligenz – systematische Literaturrecherche zu „diagnostic decision support systems“

verfasst von: Dr. rer. nat. Julia Sellin, Jean Tori Pantel, Natalie Börsch, Rupert Conrad, Martin Mücke

Erschienen in: Der Schmerz | Ausgabe 1/2024

Einloggen, um Zugang zu erhalten

Zusammenfassung

Hintergrund

Seltene Erkrankungen werden oft erst spät erkannt. Ihre Diagnose ist aufgrund der Diversität, Komplexität und Heterogenität klinischer Symptome besonders anspruchsvoll. Computergestützte diagnostische Hilfen, oft als „diagnostic decision support systems“ (DDSS) bezeichnet, sind vielversprechende Tools, um die Zeit bis zur Diagnose zu verkürzen. DDSS sind trotz erster positiver Evaluationen noch nicht sehr weit verbreitet, was unter anderem auf die mangelnde Integration in existierende klinische oder Praxisinformationssysteme zurückgeführt werden kann.

Ziel der Arbeit

Dieser Beitrag bietet einen Einblick in aktuell existierende DDSS, die ohne Zugriff auf elektronische Patientenakten funktionieren und nur einfach zu beschaffende Informationen benötigen.

Material und Methoden

Im Rahmen einer systematischen Literaturrecherche wurden 8 Beiträge identifiziert, in denen DDSS untersucht werden, die bei der Diagnose seltener Erkrankungen unterstützen können und dabei keinen Zugriff auf elektronische Patientenakten oder andere Informationssysteme in Praxen und Kliniken verlangen. Die wichtigsten Vor- und Nachteile der identifizierten Systeme zur Unterstützung bei der Diagnostik seltener Erkrankungen wurden extrahiert und zusammenfassend dargestellt.

Ergebnisse

Symptom-Checker sowie DDSS auf Basis von Porträtfotos und Schmerzzeichnungen existieren bereits. Der Reifegrad dieser Anwendungen ist unterschiedlich.

Schlussfolgerung

DDSS stehen aktuell noch vor einigen Herausforderungen – so gibt es Bedenken zu Datenschutz und Genauigkeit, zudem sind die Akzeptanz und Bekanntheit noch eher gering. Dem gegenüber steht ein großes Potenzial für eine schnellere Diagnosestellung, insbesondere bei seltenen Erkrankungen, die aufgrund ihrer großen Anzahl und geringen Bekanntheit leicht übersehen werden. Der Einsatz von DDSS sollte daher von Ärztinnen und Ärzten im Einzelfall gut abgewogen werden.
Literatur
1.
2.
3.
Mücke M, Conrad R (2021) Seltene Erkrankungen: Das Wichtigste für Ärztinnen und Ärzte aller Fachrichtungen. Elsevier
4.
Graf von der Schulenburg J‑M, Frank M (2015) Rare is frequent and frequent is costly: rare diseases as a challenge for health care systems. Eur J Health Econ 16:113–118CrossRef
5.
Stieber C, Mücke M, Windheuser IC, Grigull L, Klawonn F, Tunc S, Münchau A, Klockgether T (2017) On the fast track to diagnosis : recommendations for patients without a diagnosis. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 60:517–522CrossRefPubMed
6.
Schaefer J, Lehne M, Schepers J, Prasser F, Thun S (2020) The use of machine learning in rare diseases: a scoping review. Orphanet J Rare Dis 15:145CrossRefPubMedPubMedCentral
7.
Faviez C, Chen X, Garcelon N, Neuraz A, Knebelmann B, Salomon R, Lyonnet S, Saunier S, Burgun A (2020) Diagnosis support systems for rare diseases: a scoping review. Orphanet J Rare Dis 15:94CrossRefPubMedPubMedCentral
8.
Schaaf J, Sedlmayr M, Schaefer J, Storf H (2020) Diagnosis of Rare Diseases: a scoping review of clinical decision support systems. Orphanet J Rare Dis 15:263CrossRefPubMedPubMedCentral
9.
Sutton RT, Pincock D, Baumgart DC, Sadowski DC, Fedorak RN, Kroeker KI (2020) An overview of clinical decision support systems: benefits, risks, and strategies for success. Npj Digit Med 3:17CrossRefPubMedPubMedCentral
10.
Berner ES (2006) Diagnostic decision support systems: why Aren’t they used more and what can we do about it? AMIA Annu Symp Proc 2006:1167–1168PubMedPubMedCentral
11.
Rother A‑K, Schwerk N, Brinkmann F, Klawonn F, Lechner W, Grigull L (2015) Diagnostic support for selected paediatric pulmonary diseases using answer-pattern recognition in questionnaires based on combined data mining applications—A Monocentric observational pilot study. PLoS ONE 10:e135180CrossRefPubMedPubMedCentral
12.
Grigull L, Lechner W, Petri S et al (2016) Diagnostic support for selected neuromuscular diseases using answer-pattern recognition and data mining techniques: a proof of concept multicenter prospective trial. BMC Med Inform Decis Mak 16:31CrossRefPubMedPubMedCentral
13.
Dragusin R, Petcu P, Lioma C, Larsen B, Jørgensen HL, Cox IJ, Hansen LK, Ingwersen P, Winther O (2013) FindZebra: a search engine for rare diseases. Int J Med Inf 82:528–538CrossRef
14.
Emmert D, Szczypien N, Bender T, Grigull L, Gass A, Link C, Klawonn F, Conrad R, Mücke M, Sellin J (2022) A diagnostic support system based on pain drawings: binary and k‑disease classification of EDS, GBS, FSHD, PROMM, and a control group with Pain2D. https://​doi.​org/​10.​21203/​rs.​3.​rs-1357471/​v1
15.
Cotte F, Mueller T, Gilbert S et al (2022) Safety of triage self-assessment using a symptom assessment app for walk-in patients in the emergency care setting: observational prospective cross-sectional study. JMIR Mhealth Uhealth 10:e32340CrossRefPubMedPubMedCentral
16.
Hsieh T‑C, Bar-Haim A, Moosa S et al (2022) GestaltMatcher facilitates rare disease matching using facial phenotype descriptors. Nat Genet 54:349–357CrossRefPubMedPubMedCentral
17.
Liu C‑M, Liu C‑L, Hu K‑W et al (2022) A deep learning-enabled electrocardiogram model for the identification of a rare inherited arrhythmia: BrugAda syndrome. Can J Cardiol 38:152–159CrossRefPubMed
18.
Grigull L, Mehmecke S, Rother A‑K, Blöß S, Klemann C, Schumacher U, Mücke U, Kortum X, Lechner W, Klawonn F (2019) Common pre-diagnostic features in individuals with different rare diseases represent a key for diagnostic support with computerized pattern recognition? PLoS ONE 14:e222637CrossRefPubMedPubMedCentral
19.
Riboli-Sasco E, El-Osta A, Alaa A, Webber I, Karki M, El Asmar ML, Purohit K, Painter A, Hayhoe B (2023) Triage and diagnostic accuracy of online symptom checkers: systematic review. J Med Internet Res 25:e43803CrossRefPubMedPubMedCentral
20.
Wallace W, Chan C, Chidambaram S et al (2022) The diagnostic and triage accuracy of digital and online symptom checker tools: a systematic review. Npj Digit Med 5:1–9CrossRef
21.
Liévin V, Hansen JM, Lund A et al (2023) FindZebra online search delving into rare disease case reports using natural language processing. Plos Digit Health 2:e269CrossRefPubMedPubMedCentral
22.
Ronicke S, Hirsch MC, Türk E, Larionov K, Tientcheu D, Wagner AD (2019) Can a decision support system accelerate rare disease diagnosis? Evaluating the potential impact of Ada DX in a retrospective study. Orphanet J Rare Dis 14:69CrossRefPubMedPubMedCentral
23.
Nateqi J, Lin S, Krobath H, Gruarin S, Lutz T, Dvorak T, Gruschina A, Ortner R (2019) Vom Symptom zur Diagnose – Tauglichkeit von Symptom-Checkern. HNO 67:334–342CrossRefPubMed
24.
Ceney A, Tolond S, Glowinski A, Marks B, Swift S, Palser T (2021) Accuracy of online symptom checkers and the potential impact on service utilisation. PLoS ONE 16:e254088CrossRefPubMedPubMedCentral
25.
Fraser H, Coiera E, Wong D (2018) Safety of patient-facing digital symptom checkers. Lancet 392:2263–2264CrossRefPubMed
26.
Müller R, Klemmt M, Ehni H‑J, Henking T, Kuhnmünch A, Preiser C, Koch R, Ranisch R (2022) Ethical, legal, and social aspects of symptom checker applications: a scoping review. Med Health Care Philos 25:737–755CrossRefPubMedPubMedCentral
27.
28.
29.
30.
Gräf M, Knitza J, Leipe J et al (2022) Comparison of physician and artificial intelligence-based symptom checker diagnostic accuracy. Rheumatol Int 42:2167–2176CrossRefPubMedPubMedCentral
31.
Gilbert S, Mehl A, Baluch A et al (2020) How accurate are digital symptom assessment apps for suggesting conditions and urgency advice? A clinical vignettes comparison to GPs. Bmj Open 10:e40269CrossRefPubMedPubMedCentral
32.
Svenstrup D, Jørgensen HL, Winther O (2015) Rare disease diagnosis: A review of web search, social media and large-scale data-mining approaches. Rare Dis 3:e1083145CrossRefPubMedPubMedCentral
33.
Kopka M, Feufel MA, Berner ES, Schmieding ML (2023) How suitable are clinical vignettes for the evaluation of symptom checker apps? A test theoretical perspective. Digit Health 9:20552076231194929CrossRefPubMedPubMedCentral
34.
Gurovich Y, Hanani Y, Bar O et al (2019) Identifying facial phenotypes of genetic disorders using deep learning. Nat Med 25:60–64CrossRefPubMed
35.
Pantel JT, Hajjir N, Danyel M et al (2020) Efficiency of computer-aided facial phenotyping (deepgestalt) in individuals with and without a genetic syndrome: diagnostic accuracy study. J Med Internet Res 22:e19263CrossRefPubMedPubMedCentral
36.
Qiang J, Wu D, Du H, Zhu H, Chen S, Pan H (2022) Review on facial-recognition-based applications in disease diagnosis. Bioengineering 9:273CrossRefPubMedPubMedCentral
37.
Wester L, Mücke M, Bender TTA, Sellin J, Klawonn F, Conrad R, Szczypien N (2020) Pain drawings as a diagnostic tool for the differentiation between two pain-associated rare diseases (Ehlers-Danlos-Syndrome, Guillain-Barré-Syndrome). Orphanet J Rare Dis 15:323CrossRefPubMedPubMedCentral
38.
Subirats L, Reguera N, Bañón AM, Gómez-Zúñiga B, Minguillón J, Armayones M (2018) Mining Facebook data of people with rare diseases: a content-based and temporal analysis. Int J Environ Res Public Health 15:1877CrossRefPubMedPubMedCentral
39.
Palmer H (1949) Pain charts; a description of a technique whereby functional pain may be diagnosed from organic pain. N Z Med J 48:187–213PubMed
40.
Shaballout N, Neubert T‑A, Boudreau S, Beissner F (2019) From paper to digital applications of the pain drawing: systematic review of methodological milestones. JMIR Mhealth Uhealth 7:e14569CrossRefPubMedPubMedCentral
41.
42.
Mann NH, Brown MD (1991) Artificial intelligence in the diagnosis of low back pain. Orthop Clin North Am 22:303–314CrossRefPubMed
43.
Hüllemann P, Keller T, Kabelitz M, Freynhagen R, Tölle T, Baron R (2017) Pain drawings improve subgrouping of low back pain patients. Pain Pract 17:293–304CrossRefPubMed
44.
Tachibana T, Maruo K, Inoue S, Arizumi F, Kusuyama K, Yoshiya S (2016) Use of pain drawing as an assessment tool of sciatica for patients with single level lumbar disc herniation. SpringerPlus 5:1312CrossRefPubMedPubMedCentral
45.
Rennerfelt K, Zhang Q, Karlsson J, Styf J (2018) Patient pain drawing is a valuable instrument in assessing the causes of exercise-induced leg pain. BMJ Open Sport Exerc Med 4:e262CrossRefPubMedPubMedCentral
46.
Yu H, Yang LT, Zhang Q, Armstrong D, Deen MJ (2021) Convolutional neural networks for medical image analysis: State-of-the-art, comparisons, improvement and perspectives. Neurocomputing 444:92–110CrossRef
Metadaten
Titel
Kurze Wege zur Diagnose mit künstlicher Intelligenz – systematische Literaturrecherche zu „diagnostic decision support systems“
verfasst von
Dr. rer. nat. Julia Sellin
Jean Tori Pantel
Natalie Börsch
Rupert Conrad
Martin Mücke
Publikationsdatum
02.01.2024
Verlag
Springer Medizin
Erschienen in
Der Schmerz / Ausgabe 1/2024
Print ISSN: 0932-433X
Elektronische ISSN: 1432-2129
DOI
https://doi.org/10.1007/s00482-023-00777-8

Weitere Artikel der Ausgabe 1/2024

Der Schmerz 1/2024 Zur Ausgabe

Schwerpunkt

Erkennen Sie das Dunbar-Syndrom?

In eigener Sache

Der Schmerz dankt den Gutachterinnen und Gutachtern 2023

Schwerpunkt

Neuropathische Schmerzen als Symptom bei autonomen Neuropathien und anderen seltenen Erkrankungen

Schwerpunkt

Management von Schmerzen bei zervikaler Dystonie

Leserbriefe

Integrativ-komplementärmedizinische Therapie – eine sinnvolle Option in der Behandlung des CRPS?

Einführung zum Thema

Seltene Erkrankungen und Schmerzen – ein oft übersehenes Zusammenspiel

Neu im Fachgebiet AINS

Ein Drittel der jungen Ärztinnen und Ärzte erwägt abzuwandern

07.05.2024 Medizinstudium Nachrichten

Extreme Arbeitsverdichtung und kaum Supervision: Dr. Andrea Martini, Sprecherin des Bündnisses Junge Ärztinnen und Ärzte (BJÄ) über den Frust des ärztlichen Nachwuchses und die Vorteile des Rucksack-Modells.

Häufigste Gründe für Brustschmerzen bei Kindern

06.05.2024 Pädiatrische Diagnostik Nachrichten

Akute Brustschmerzen sind ein Alarmsymptom par exellence, schließlich sind manche Auslöser lebensbedrohlich. Auch Kinder klagen oft über Schmerzen in der Brust. Ein Studienteam ist den Ursachen nachgegangen.

Aquatherapie bei Fibromyalgie wirksamer als Trockenübungen

03.05.2024 Fibromyalgiesyndrom Nachrichten

Bewegungs-, Dehnungs- und Entspannungsübungen im Wasser lindern die Beschwerden von Patientinnen mit Fibromyalgie besser als das Üben auf trockenem Land. Das geht aus einer spanisch-brasilianischen Vergleichsstudie hervor.

Endlich: Zi zeigt, mit welchen PVS Praxen zufrieden sind

IT für Ärzte Nachrichten

Darauf haben viele Praxen gewartet: Das Zi hat eine Liste von Praxisverwaltungssystemen veröffentlicht, die von Nutzern positiv bewertet werden. Eine gute Grundlage für wechselwillige Ärztinnen und Psychotherapeuten.

Update AINS

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

hier abonnieren
Bildnachweise