EINLEITUNG:
Die zunehmende Komplexität der Krebsdiagnostik und individuellere Therapieoptionen, auch in der Kopf-Hals-Onkologie, erfordern neue Techniken der Patienteninformationsverarbeitung und Systeme zur Unterstützung des Entscheidungsprozesses im Kopf-Hals-Tumorboard (HN-TB). Dazu wurde ein digitales Patientenmodell für das Larynxkarzinom (LC) auf der Basis Bayes'scher Netzwerke (BN) entwickelt.
METHODEN:
Das LC-Modell wurde nach anerkannten Leitlinien und Analysen von HN-TBs erstellt. Das Subnetzwerk „TNM-Stadium“ wurde bereits erfolgreich validiert. Nun wurde das Subnetzwerk „Therapie“ für die Primärtherapie modelliert und anhand von 49 LC-Patientenfällen ausgewertet und mit den HN-TB-Entscheidungen der Universitätsklinik Leipzig verglichen.
ERGEBNISSE:
Das LC-Modell enthält über 1000 Informationseinheiten und ist damit das umfangreichste menschenlesbare BN-Modell, das eine klinische Entscheidung darstellt. Die Subnetzvalidierung „Therapie“ ergab eine anfängliche Übereinstimmung von 76% des Modells im Vergleich mit der Therapieentscheidung im HN-TB. Durch weitere Modelloptimierung konnte eine Verbesserung der korrekten Modellvorhersage erreicht werden.
SCHLUSSFOLGERUNGEN:
Diese Analysen zeigen im Sinne des proof of concept, dass es möglich ist, die Therapieentscheidung beim LC auf Basis von BN zu modellieren. Personalisierte Medizin und gezielte Therapie sind in der onkologischen Therapie von zunehmender Bedeutung und erfordern eine strukturierte und umfassende Unterstützung des Informationsmanagements und der Entscheidungsfindung. Nach weiterer Optimierung und Validierung können digitale Patientenmodelle zukünftig einen wertvollen Beitrag zur Diagnostik und Therapie bei Kopf-Hals-Karzinomen leisten.
