Fallstudie zur prozessorientierten Analyse von Behandlungspfaden bei Prostatakrebs5. November 2024 Da AI-DPA-Team auf dem ICPM 2024 in Kopenhagen. Foto: Jonas Blatt Lassen sich aus Registerdaten Informationen zu Behandlungspfaden bei Prostatakrebs gewinnen? Forscher aus Mainz und Koblenz haben jetzt gezeigt, dass das geht – und wurden dafür ausgezeichnet. Die Doktoranden Jana Vormann, Jonas Blatt und Flavio Horbach präsentierten am 14.10.2024 auf der Internationalen Konferenz für Process Mining (ICPM 2024) in Kopenhagen (Dänemark) eine Fallstudie, die sich mit der explorativen Analyse von Behandlungsverläufen bei Prostatakrebs befasste. Die Ergebnisse der Studie bieten nach Angaben der Forscher erste Einblicke in die Komplexität von Behandlungsprozessen und eröffnen neue Möglichkeiten für die Forschung und Analyse von Krebsdaten mittels Prozessanalysen. Die Studie, die in Zusammenarbeit zwischen der Hochschule Mainz, der Universität Koblenz und dem Institut für digitale Gesundheitsdaten Rheinland-Pfalz durchgeführt wurde, untersuchte datenschutzkonform und anonymisiert die Daten von 22.337 Prostatakrebs-Patienten aus den Jahren 2016 bis 2024. Über 140.000 Datensätze wurden verarbeitet und zu mehr als 12.000 Verläufen verdichtet. Im Rahmen des Workshops „Process-Oriented Data Science for Healthcare“ auf dem Kongress in Kopenhagen wurde das Team des Forschungskollegs „Analyse und Interpretation von unstrukturierten Daten und Prozessen in zwei- und dreidimensionalen Anwendungsszenarien mit Machine Learning“ (AI-DPA) der Hochschule Mainz und der Universität Koblenz für seine Fallstudie mit dem „Best Paper Award“ ausgezeichnet. „Unsere Studie zeigt, dass sich die Prostatakrebsdaten grundsätzlich mit Process Mining verarbeiten lassen und stellt damit einen wichtigen ersten Schritt für eine vielversprechende zukünftige Forschung dar, etwa zu Verlaufsvorhersagen und Empfehlungen“, erklärt Vormann. „Die Studie ist ein schönes Beispiel dafür, wie durch die Verwendung innovativer Methoden der Datenanalyse aus den im Krebsregister erhobenen Daten neue Erkenntnisse zur onkologischen Versorgung gewonnen und die Versorgung von Patientinnen und Patienten verbessert werden können“, betont Dr. Nils Herm-Stapelberg, Abteilungsleiter Data Science am Institut für digitale Gesundheitsdaten. Prof. Sven Pagel, Sprecher des Forschungskollegs, ergänzt: „Wir freuen uns, dass die langjährige Zusammenarbeit zwischen der Hochschule Mainz und dem Institut für digitale Gesundheitsdaten nun direkt zum Projektstart des Promotionskollegs AI-DPA Früchte für die weitere Forschung trägt.“ (Hochschule Mainz / ms)
Mehr erfahren zu: "Nierentransplantation trotz schlechter Ausgangslage: Neuer Wirkstoff senkt Abwehrreaktion gegen Spenderorgan nachhaltig" Nierentransplantation trotz schlechter Ausgangslage: Neuer Wirkstoff senkt Abwehrreaktion gegen Spenderorgan nachhaltig Die Medizinische Universität Wien (Österreich) berichtet über eine neue Behandlungsstrategie. Bei einem Patienten ohne realistische Chance auf ein geeignetes Spenderorgan konnte eine Nierentransplantation ermöglicht werden.
Mehr erfahren zu: "Behandlung von Nierensteinen bei Kindern: Mini-perkutane Nephrolithotripsie schlägt extrakorporale Stoßwellenlithotripsie" Behandlung von Nierensteinen bei Kindern: Mini-perkutane Nephrolithotripsie schlägt extrakorporale Stoßwellenlithotripsie Die Mini-perkutane Nephrolithotomie (Mini-PCNL) ist bei der Behandlung von Nierensteinen bei Kindern im Alter von sechs Monaten bis sechs Jahren wirksamer als die extrakorporale Stoßwellenlithotripsie (ESWL). So eine Studie aus […]
Mehr erfahren zu: "Detektion des Nierenzellkarzinoms: Entwicklung und Validierung einer neuartigen Plasma-Metabolom-Signatur" Weiterlesen nach Anmeldung Detektion des Nierenzellkarzinoms: Entwicklung und Validierung einer neuartigen Plasma-Metabolom-Signatur Forscher aus China identifizierten Stoffwechselveränderungen bei Nierenzellkarzinomen (RCC). Sie entwickelten ein auf künstlicher Intelligenz basierendes Plasma-Stoffwechselmodell, das klinisch zur Diagnose von RCC eingesetzt werden könnte.