Wissensbasierte Systeme zur Unterstützung der Therapie auf Intensivstationen Aus dem Institut für Medizininformatik, Biometrie und Epidemiologie Lehrstuhl für Medizinische Informatik der Friedrich-Alexander-Universität Erlangen-Nürnberg Direktor: Prof. Dr. biol. hom. H.-U. Prokosch Der Medizinischen Fakultät der Friedrich-Alexander-Universität Erlangen-Nürnberg zur Erlangung des Doktorgrades Dr. rer. biol. hum. vorgelegt von Stefan Kraus aus Nürnberg Als Dissertation genehmigt von der Medizinischen Fakultät der Friedrich-Alexander-Universität Erlangen-Nürnberg Tag der mündlichen Prüfung: 19.3.2014 Vorsitzender des Promotionsorgans: Prof. Dr. med. Dr. h.c. Jürgen Schüttler Gutachter: PD Dr. med. Thomas Bürkle Prof. Dr. med. Dr. h.c. Jürgen Schüttler Prof. Dr. Richard Lenz MEINEM VATER † 2013 Inhaltsverzeichnis 1 Einleitung .......................................................................................................................... 3 2 Grundlagen....................................................................................................................... 7 2.1 ICM und seine Exportschnittstelle AutoExport ......................................................... 7 2.2 Wissensbasierte Systeme ....................................................................................... 11 2.3 Die Arden Syntax for Medical Logic Systems ........................................................ 15 2.3.1 Medical Logic Modules ..................................................................................... 17 2.3.2 Datentypen der Arden-Syntax .......................................................................... 20 2.4 Das EAV-Datenmodell ............................................................................................ 22 2.5 Die Ergebnisse der Diplomarbeit ........................................................................... 23 2.6 Procalcitonin als Sepsismarker .............................................................................. 25 3 Methoden ....................................................................................................................... 28 3.1 Bereitstellung der technischen Plattform................................................................ 28 3.1.1 Methoden der Analysephase ............................................................................ 29 3.1.2 Methoden der Implementierungsphase ............................................................ 30 3.1.2.1 Datenbereitstellung und Ereigniserkennung .................................................. 31 3.1.2.2 Implementierung des Arden-Servers ............................................................. 33 3.1.2.3 Präsentationsmechanismen ........................................................................... 34 3.2 Methoden der Evaluierungsphase ......................................................................... 36 3.2.1 Die Vorstudie .................................................................................................... 37 3.2.2 Die PCT-Studie ................................................................................................. 38 4 Ergebnisse ..................................................................................................................... 42 4.1 Ergebnisse der technischen Bereitstellung ............................................................ 42 4.1.1 Ergebnisse der Analysephase .......................................................................... 42 4.1.2 Ergebnisse der Implementierungsphase .......................................................... 46 4.1.2.1 Datenbereitstellung und Ereigniserkennung .................................................. 47 4.1.2.2 Bereitstellung des Arden-Servers .................................................................. 49 4.1.2.3 Präsentationsmechanismen ........................................................................... 51 4.2 Ergebnisse der PCT-Studie .................................................................................... 54 4.2.1 Die Vorstudie .................................................................................................... 54 4.2.2 Die PCT-Studie ................................................................................................. 57 4.3 Zusammenfassung der Ergebnisse ....................................................................... 61 5 Diskussion ...................................................................................................................... 65 5.1 Implementierungsphase ......................................................................................... 65 5.1.1 Datenbereitstellung und Ereigniserkennung .................................................... 66 5.1.2 Arden-Server .................................................................................................... 70 5.1.3 Präsentationsmechanismen ............................................................................. 73 5.2 Diskussion der Evaluierungsphase ........................................................................ 75 5.3 Erfahrungen mit der Arden-Syntax ......................................................................... 79 6 Ausblick .......................................................................................................................... 88 7 Abkürzungsverzeichnis .................................................................................................. 89 8 Anhang ........................................................................................................................... 90 8.1 PCT-Raten der Studienphasen .............................................................................. 90 8.2 Publikation zur technischen Anbindung ................................................................. 92 9 Danksagung ................................................................................................................... 93 10 Literaturverzeichnis .................................................................................................... 94 Abbildungsverzeichnis Abbildung 1: Screenshot der ICM-Tageskurve ........................................................................ 8 Abbildung 2: Grundprinzip von AutoExport .............................................................................. 9 Abbildung 3: Die Funktionsweise von Schlüsselworttermen ................................................. 10 Abbildung 4: Typische Architektur eines medizinischen Expertensystems............................ 12 Abbildung 5: Aufbau eines MLMs .......................................................................................... 17 Abbildung 6: Gundprinzip der Verarbeitung eines MLMs ...................................................... 18 Abbildung 7: Grundprinzip einer Arden-Engine...................................................................... 19 Abbildung 8: Vergleich der konventionellen Modellierung mit dem EAV-Modell .................... 23 Abbildung 9: Architektur des in der Diplomarbeit erstellten Systems .................................... 24 Abbildung 10: Ansatz zur Erkennung von datengesteuerten Ereignissen ............................. 31 Abbildung 11: Herstellung der Mandantenfähigkeit ............................................................... 32 Abbildung 12: Prinzip der Generierung von Tabellen............................................................. 35 Abbildung 13: Phasen der PCT-Studie .................................................................................. 38 Abbildung 14: Ausschnitt aus der Vorschlagsliste ................................................................. 39 Abbildung 15: Architektur des Zielsystems ............................................................................ 43 Abbildung 16: Ersetzungsmechanismus bei Curly-Braces-Methoden ................................... 45 Abbildung 17: Integration über ArdenHostInterface ............................................................... 46 Abbildung 18: Bereitstellung der MiBi-Daten ......................................................................... 47 Abbildung 19: Grundprinzip des Aliaskonzeptes.................................................................... 50 Abbildung 20: Beispiel einer per MLM generierten SMS-Nachricht....................................... 51 Abbildung 21: Screenshot des MLM-Viewers ........................................................................ 52 Abbildung 22: Beispiel für einfache Tabellengenerierung ...................................................... 53 Abbildung 23: Beispiel für Generierung von Lineplots ........................................................... 54 Abbildung 24: Die Bereiche der IOI ....................................................................................... 55 Abbildung 25: Sonderlaboranforderung für einen Patienten der IOI ..................................... 55 Abbildung 26: Häufige Verlaufsform des PCT-Spiegels ......................................................... 56 Abbildung 27: Aggregierte Daten der Studienphasen ............................................................ 57 Abbildung 28: Boxplots der PCT-Raten der Studienphasen .................................................. 58 Abbildung 29: Nutzung des PCT-MLMs nach Tagen ............................................................. 58 Abbildung 30: Vergleich der ON-Phasen bzgl. Neuaufnahmen, SAPS II und APACHE II ..... 59 Abbildung 31: Beispiel eines MLMs für DRG-Coder .............................................................. 83 Zusammenfassung Hintergrund und Ziele Wissensbasierte Systeme können einen erheblichen Beitrag zu Qualität und Erfolg der Behandlung im Krankenhaus leisten. Am Universitätsklinikum Erlangen ist ein Patientendatenmanagementsystem (PDMS) zur intensivmedizinischen Dokumentation im Einsatz, das auf Anforderung der Anwender um wissensbasierte Funktionen erweitert werden sollte. Das erste Ziel dieser Arbeit bestand in der Integration einer kommerziellen Ausführungsumgebung für Wissensmodule auf Basis der Arden- Syntax, einer Sprache zur Repräsentation von medizinischem Wissen, in das PDMS. Das zweite Ziel bestand in der Evaluierung eines Wissensmoduls zur Erkennung vermeidbarer Laboranforderungen des Biomarkers Procalcitonin (PCT), der für die Erkennung der Sepsis relevant ist. Methoden Da das PDMS die für die Integration erforderlichen Schnittstellen nicht bereitstellte, mussten diese zunächst implementiert werden. Der Zugriff auf die Patientendaten wurde durch deren periodische Replikation auf Basis der proprietären Exportschnittstelle des PDMS in eine externe Datenbank realisiert, die Erkennung von Ereignissen über den Vergleich der Exporte. Zur Präsentation der von den Wissensmodulen generierten Informationen wurde eine Reihe von Kommunikationsendpunkten sowie eine Reihe von Präsentationsmechanismen implementiert. Die prospektive Evaluierungsstudie wurde in einem ON-OFF-ON-OFF-Design durchgeführt. Hierzu wurde in den ON-Phasen ein Wissensmodul freigeschaltet, das auf Knopfdruck eine Liste von Hinweisen zur Notwendigkeit von PCT-Messungen auf Basis eines von ärztlicher Seite vorgegebenen Regelsatzes generierte. Ergebnisse und Beobachtungen Die Integration der Arden-Syntax-Umgebung in das PDMS konnte erfolgreich durchgeführt werden, indem die fehlenden Schnittstellen durch Workarounds bereitgestellt wurden. Das resultierende System erlaubt die benutzer-, zeit- und datengesteuerte Ausführung von Wissensmodulen. Es zeigt aber eine gewisse Trägheit bei Ereigniserkennung und Datenbereitstellung, die auf seine Abhängigkeit von periodischen Exporten zurückzuführen ist. Zudem zieht diese Lösung einen erheblichen Ressourcenverbrauch nach sich. In der Evaluierungsstudie zeigte sich in der ersten ON-Phase ein ausgeprägter Effekt in Form einer Senkung der täglichen PCT-Messrate. In der zweiten ON-Phase konnte dieser Effekt nicht mehr beobachtet werden. Dies lässt sich auf nachlassende Nutzung des Wissensmoduls zurückführen, bedingt durch dessen fehlende Integration in den klinischen Workflow. Praktische Schlussfolgerungen Diese Arbeit zeigte, dass die Integration einer Arden-Syntax-Ausführungsumgebung in ein kommerzielles klinisches System auf der Basis periodischer Exporte zu einem praxistauglichen, wenn auch etwas reaktionsträgen System führen kann. Allerdings lässt der erhebliche Ressourcenverbrauch die Forderung nach vollwertigen Schnittstellen laut werden. In der Evaluierungsstudie zeigte sich hinsichtlich der Anforderung von Labormessungen ein deutliches Einsparpotential durch entscheidungsunterstützende Wissensmodule. Um die Einsparungen dauerhaft zu erzielen, ist aber eine entsprechende Worklow-Integration erforderlich. Im weiteren Sinne zeigte sich, dass neuere Versionen der Arden-Syntax so leistungsfähig sind, dass man einen Einsatz als universelle Programmiersprache für die medizinische Domäne in Betracht ziehen könnte. 1 Abstract Background Information and Objectives Knowledge-based systems can make a significant contribution to the quality and success of hospital treatment. The University Hospital Erlangen uses a patient management system (PDMS) for documenting intensive care, which was to be extended by adding knowledge-based functions at the request of users. The first objective of this thesis was to integrate a commercial runtime environment for knowledge-based functions in the PDMS on the basis of the Arden Syntax, a language for representing medical knowledge. The second objective was to evaluate a knowledge module for identifying unnecessary laboratory requests for the biomarker Procalcitionin, which is relevant for detecting sepsis. Methods The interfaces required for integration had to be implemented initially because these were not provided by the PDMS. Access to patient data was realized by means of periodic replication in an external database on the basis of the proprietary export interface provided by the PDMS. Events were detected by comparing exports. A series of communication end points and presentation mechanisms were implemented for presenting the information generated by the knowledge modules. The prospective evaluation study was carried out using an ON-OFF-ON-OFF design. A knowledge module was accessed in the ON-phases, which generated a list of information about the necessity of PCT measurements on the basis of a rule set specified by an experienced physician. Results and Observations The Arden syntax runtime environment was successfully integrated in the PDMS by providing the missing interfaces by workarounds. The resulting system supports user-driven, time-driven and data- driven execution of knowledge modules. However, the system shows a delay in event detection and data provision because it is dependent on periodic exports. This solution also consumes a significant level of resources. The first ON-phase during the evaluation study showed a significant reduction in daily PCT measurement rate. This effect was not observed during the second ON-phase. This was because of reduced use of the knowledge module due to the fact that it was not integrated in the clinical workflow. Practical Conclusions This thesis showed that the implementation of an Arden syntax runtime environment in a commercial clinical system on the basis of periodic exports can result in a practical but slightly sluggish system. The significant consumption of resources does mean there is a requirement for adequate interfaces. The evaluation study showed that a significant savings potential can be achieved with regard to laboratory measurement requests by means of knowledge modules for decision support. Relevant integration of workflows is however required in order to achieve long-term savings. Furthermore, the study showed that the Arden Syntax in later versions has such a high performance that it could even be considered for use as a universal programming language for medicinal domain. 2 1 Einleitung Unter wissensbasierten Systemen versteht man EDV-Systeme, die Wissen eines Fachgebietes auf Fakten (im klinischen Umfeld sind dies typischerweise die in der elektronischen Patientenakte enthaltenen Patientendaten) anwenden, wobei das Wissen in einem maschinell verarbeitbaren Repräsentationsformat vorliegen muss [1]. Im medizinischen Umfeld werden wissensbasierte Systeme zur klinischen Entscheidungsunterstützung und zum klinischen Ereignismonitoring genutzt. Der Unterschied zwischen diesen beiden Anwendungsgebieten besteht darin, dass bei der Entscheidungsunterstützung das wissensbasierte System während der Entscheidungs- findung mit dem Benutzer interagiert, um ihn beim Treffen einer Entscheidung zu helfen, ihn also gewissermaßen bei seinem Entscheidungsprozess berät. Ein Beispiel hierfür ist die Unterstützung bei der Anordnung von Medikamenten durch Generierung von Dosierungsvorschlägen oder therapeutischen Alternativen. Beim Ereignismonitoring hingegen überwacht das wissensbasierte System auftretende Ereignisse vollautomatisch im Hintergrund und meldet sich nur, wenn ein Handlungsbedarf erkannt wurde. Ein Beispiel hierfür ist die automatisierte Überwachung von Laborwerten. In einer großen Anzahl von Studien konnte gezeigt werden (siehe dazu die systematischen Reviews [2-6]), dass wissensbasierte Systeme einen Beitrag zur Verbesserung sowohl der Behandlungsqualität als auch des Behandlungserfolgs in Krankenhäusern leisten können. Dies gilt in erhöhtem Maße für den intensivmedizinischen Bereich mit seiner hohen Datendichte. Durch den Einsatz wissensbasierter Systeme können beispielsweise unerwünschte Arzneimittelereignisse vermieden [7-9], das Auftreten von Infektionen erkannt [10-12], Laborwerte automatisch überwacht [13, 14] und Liege- oder Beatmungszeiten verkürzt werden [15, 16]. Die exakte Quantifizierung einer aus dem Einsatz wissensbasierter Systeme resultierenden Kostenersparnis bleibt allerdings schwierig [17]. Um wissensbasierte Systeme einsetzen zu können, muss das medizinische Wissen in einer maschinell verarbeitbaren Form vorliegen. Ein derartiger Formalismus ist die "Arden Syntax For Medical Logic Systems" [18] (im Folgenden in der deutschen Schreibweise kurz als Arden-Syntax bezeichnet), die den einzigen internationalen Standard zur Repräsentation von Wissen im medizinischen Bereich darstellt und durch Integration in kommerzielle Systeme eine gewisse Verbreitung in der klinischen Routine gefunden hat. Medizinisches Wissen wird hierbei in voneinander unabhängige Wissensmodule gegliedert, die als Medical Logic Modules (MLMs) [19] bezeichnet werden. Bei der Konzeption der Arden-Syntax wurden zwei Designziele verfolgt: Die Unterstützung des Wissenstransfers zwischen Institutionen und die möglichst einfache Benutzbarkeit der Sprache [20]. Am Universitätsklinikum Erlangen (UKER) wurde Ende 2006 das Patientendaten- managementsystem (PDMS) "Integrated Care Manager" (ICM) der Firma Dräger Medical 3 eingeführt. Derzeit (Stand April 2013) ist es auf insgesamt acht Intensivstationen im Einsatz, weitere sind in Planung. Im Rahmen einer Diplomarbeit wurde im Jahre 2008 eine erste prototypische Unterstützung für Arden-Syntax-MLMs in ICM integriert [21]. Dabei wurde eine am Lehrstuhl für medizinische Informatik (LMI) der Friedrich-Alexander-Universität Erlangen- Nürnberg (FAU) im Rahmen eines Dissertationsprojektes entwickelte servicebasierte Arden- Syntax-Ausführungsumgebung [22, 23] genutzt. In der Diplomarbeit konnte ein Konzept für den externen Zugriff auf die Patientendaten entwickelt werden, den ICM von Haus aus nicht unterstützt. Die Ausführung von MLMs konnte dabei allerdings nur benutzer- und zeitgesteuert, nicht aber datengesteuert erfolgen. Ein echtes Clinical Event Monitoring im Sinne eines "tireless observers" (siehe Hripcsak et al. [24]) ließ sich daher in ICM bisher nicht durchführen. Aus den während der prototypischen Anbindung gemachten Erfahrungen ergab sich ein starkes Interesse, diese Thematik tiefergehend zu erforschen und die Integration wissensbasierter Funktionen in klinische Systeme voranzutreiben. Dies beschränkte sich aber nicht nur auf die Aspekte der technischen Anbindung einer Plattform zur Ausführung von MLMs. Im weiteren Sinne sollte auch die Leistungsfähigkeit und die daraus resultierenden Anwendungsgebiete neuerer Versionen der sich beständig weiterentwickelnden Arden-Syntax untersucht werden, beispielsweise deren Einsatz zum Zweck der Entscheidungsunterstützung direkt am Bettplatz oder die Bereitstellung von Präsentationsmechanismen. Ein ideales Umfeld zur Erforschung dieser Fragestellungen bot eine Forschungskooperation, die der LMI in den Jahren von 2008 bis 2012 mit Dräger durchführte. Sie diente unter anderem dem Ziel, die Integration wissensbasierter Funktionen in ICM weiter voranzutreiben und insbesondere ein vollwertiges Clinical Event Monitoring zu realisieren. Im Rahmen dieser Kooperation sollten Wissensmodule unterschiedlicher Komplexität zum Einsatz gebracht werden. Das medizinische Wissen sollte hierbei, ebenso wie bei der ersten prototypischen Implementierung, in Form von Arden-Syntax-MLMs repräsentiert werden. Im Rahmen der Forschungskooperation wurde zu diesem Zweck eine kommerzielle Arden-Syntax-Entwicklungs- und Ausführungsumgebung (kurz Arden- Umgebung) der Firma Medexter Healthcare zur Verfügung gestellt. Diese musste zunächst technisch an ICM angebunden werden, was die Realisierung eines Zugriffs von den Wissensmodulen aus auf die Patientendaten sowie die Implementierung eines mit der Produktpolitik von Dräger verträglichen datengesteuerten Triggermechanismus erforderlich machte. Weiterhin war die Implementierung von Benachrichtigungsmechanismen erforderlich, um das medizinische Personal in einer praxistauglichen Weise über auftretende Meldungen informieren zu können. Die erste Fragestellung dieser Arbeit lautete also, wie die Arden-Umgebung und das PDMS miteinander verbunden werden können, um wissensbasierte Funktionen auf Basis von MLMs ausführen zu können, und wie die MLMs mit dem medizinischen Personal interagieren können. Das erste Ziel hatte damit einen rein technischen Charakter und ließ sich folgendermaßen formulieren: 4