Bayessches Theorem bei klinischer Differentialdiagnose^*

Zusammenfassung

Aus den A-priori-Wahrscheinlichkeiten mehrerer Differentialdiagnosen und aus den Wahrscheinlichkeiten für das Auftreten eines bestimmten Untersuchungsergebnisses bei diesen Diagnosen können mit der Bayesschen Formel neue (A-posteriori-) Wahrscheinlichkeiten für die vermuteten Diagnosen errechnet werden. Durch fortlaufende Iteration kann diese Formel zur Berechnung der Diagnosewahrscheinlichkeiten nach beliebig vielen Untersuchungen benutzt werden. Dieser Iterationsprozeß ist einfach in einen Taschenrechner einzuprogrammieren und im klinischen Alltag anwendbar. Mit der Bayesschen Formel läßt sich dann klinisches Wissen konsequenter und rationaler einsetzen. Zahlreiche und widersprüchliche Daten werden leichter und rascher interpretiert. Medizinische Befunde werden intensiver zur Diagnose genutzt und Normalbefunde weniger oft vernachlässigt. Unnötige Untersuchungen lassen sich eher vermeiden.

Summary

New (a posteriori) probabilities of medical diagnosis can be calculated by the Bayesian formula from a priori probabilities of the diagnosis or diagnoses under consideration and from the probabilities of a given test result occurring with each disease. Using sequential iteration, the Bayesian formula is applicable to the calculation of a posteriori probabilities after multiple tests have been performed. When this iterative process has been programmed for a pocket calculator it can easily be used in clinical practice. As a consequence, medical knowledge can be applied more rationally. Many inconsistent data can be more easily interpreted as a result. Furthermore, results of diagnostic tests can be used more extensively and normal test results given their full weight.