CareLit Fachartikel

Künstliche Intelligenz zur diagnostischen Unterstützung ausgewählter seltener lysosomaler Speichererkrankungen: Ergebnisse einer Pilotstudie

Anna-Lena Sieg, Anibh Martin Das, Nicole Maria Muschol, Anja Köhn, Christina Lampe, Xiauwei Kortum, Sandra Mehmecke, Susanne Blöß, Werner Lechner, Frank Klawonn · Klinische Pädiatrie · 2019 · Heft 02 · S. 60-66

Dokument
1195616
CareLit-ID
Jahr
2019
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
Klinische Pädiatrie
Autor:innen
Anna-Lena Sieg, Anibh Martin Das, Nicole Maria Muschol, Anja Köhn, Christina Lampe, Xiauwei Kortum, Sandra Mehmecke, Susanne Blöß, Werner Lechner, Frank Klawonn
Ausgabe
Heft 02 / 2019
Jahrgang 231
Seiten
60-66
Erschienen: 2019-03-01 00:00:00
ISSN
0300-8630
DOI
10.1055/a-0816-5681

Zusammenfassung

Zusammenfassung Hintergrund Die Diagnosestellung einer seltenen Stoffwechselerkrankung stellt eine Herausforderung für Familien und betreuende Ärzte dar. Um den Weg zur Diagnose zu unterstützen, wurde ein diagnostisches Werkzeug entwickelt, welches die Erfahrungen Betroffener nutzt. Methoden 17 Interviews mit Eltern oder Betroffenen einer ausgewählten, seltenen Stoffwechselerkrankung (Mukopolysaccharidose (MPS), M. Fabry und M. Gaucher) wurden durchgeführt. Die Ergebnisse wurden in diagnostischen Fragebogen abgebildet. Die Fragebogen wurden verteilt und von Eltern oder Betroffenen mit einer gesicherten Diagnose…

Schlagworte

künstliche intelligenz qualitative analyse stoffwechselerkrankung diagnose Data Mining Mining Ärzte Klinische Pädiatrie