Zum Hauptinhalt springen

Ablaufpläne🚦

Dieser Abschnitt enthält Beispiele für Ablaufpläne, die Einrichtungen in ihren Systemen implementieren können und die sich auf die von unserem Produkt ausgegebenen Daten beziehen.

Wir sind uns darüber im Klaren, dass es eine Herausforderung sein kann, herauszufinden, wie die Daten aus der API genutzt werden können, insbesondere wenn dies das erste Produkt dieser Art ist, das Ihre Einrichtung einsetzt. Wir hoffen, dass diese Beispiele Ihnen dabei helfen können.

Beachten Sie, dass Einrichtungen jeden beliebigen Ablaufplan implementieren können und dass dieser Abschnitt weder eine Auflistung bewährter Praktiken noch eine Empfehlung darstellt. Denn alle Einrichtungen unterscheiden sich voneinander. Darüber hinaus liegt es in der Verantwortung der ausführenden Einrichtung, die Ablaufpläne gemäß ihren bewährten Verfahren und den Empfehlungen ihrer Ärzte zu gestalten.

Puzzleteile​

Betrachten Sie das Ganze wie Puzzleteile. Wie Sie wissen, gibt das Produkt eine JSON-Datei mit einer großen Menge an Daten aus, die nach Schlüsseln strukturiert sind, die Sie zur Gestaltung eines Ablaufplanes verwenden können. Jeder Schlüssel kann wie ein Zweig in einem Entscheidungsbaum verwendet werden, oder besser gesagt: ein Puzzleteil, das Sie auf verschiedene Weise anlegen können.

graph subgraph <h3>Pre malignancy</h3> direction LR A2[Was ist der <br/><code>IsPreMalignant<br/>Verdacht</code>?] B2{<code>>X</code>} A2 --> B2 B2 -->|Yes| C2[A] B2 -->|No| D2[B] end subgraph <h3>Malignancy</h3> direction LR A1[Was ist der <br/><code>IsMalignant<br/>Verdacht</code>?] B1{<code>>X</code>} A1 --> B1 B1 -->|Yes| C1[A] B1 -->|No| D1[B] end
graph subgraph <h3>Scoring</h3> direction LR A2[Gibt es ein <br/>Bewertungs<br/>system?] A2 -->|Yes| C2[A] A2 -->|No| D2[B] end subgraph <h3>Severity</h3> direction LR A1[Was ist der <br/><code>Schweregrad</code>?] B1{<code>>X</code>} A1 --> B1 B1 -->|Yes| C1[A] B1 -->|No| D1[B] end
graph subgraph <h3>Match conditions</h3> A1[Was ist die <br/>kombinierte Wahrscheinlichkeit <br/>des gegebenen<br/>Krankheitsbilds?] B1{<code>>X</code>} A1 --> B1 B1 -->|Yes| C1[X1] B1 -->|No| D1[Y1] end subgraph <h3>Diagnosis</h3> direction LR A2[Was ist die <br/>Wahrscheinlichkeit der<br/> ersten <code>Konklusion</code>?] B2{<code>>X</code>} A2 --> B2 B2 -->|Yes| C2[A] B2 -->|No| D2[B] end
Es gibt noch mehr Puzzleteile

Die API gibt mehr als 100 Datenzeilen zurück, und diese Beispiele verwenden nur 6 Schlüssel aus der Ausgabe. Das bedeutet, dass es weitaus mehr Puzzleteile gibt, die für Ihre Einrichtung von Nutzen sein können. Sprechen Sie mit uns, um zu erfahren, welche Endpunkte für Ihren Anwendungsfall geeignet sind.

Das Puzzle anordnen​

Sehen wir uns ein Beispiel an, das die Puzzleteile verwendet, um einen Arbeitsplan zu erstellen. In diesem Beispiel gibt es zwei mögliche Ergebnisse: Primärversorgung und Sekundärversorgung:

graph LR subgraph <h3>Malignancy</h3> A1[Was ist der <br/><code>IsMalignant<br/>Verdacht</code>?] B1{<code>>0.05</code>} A1 --> B1 B1 -->|Yes|X1[Sekundär<br/>versorgung]:::Dermatologe end subgraph <h3>Diagnosis</h3> B1 -->|No|A2 A2[Was ist die <br/>Wahrscheinlichkeit der <br/>ersten <code>Konklusion</code>?] B2{<code>>0.06</code>} A2 --> B2 B2 -->|No| X2[Primär<br/>versorgung]:::gp end subgraph <h3>Scoring</h3> B2 -->|Yes|A3 A3[Gibt es ein <br/>Bewertungs<br/>system?] A3 -->|No| D3[Primär<br/>versorgung]:::gp end subgraph <h3>Severity</h3> A3 -->|Yes|A4 A4[Was ist der <br/><code>Schweregrad</code>?] B4{<code>>1</code>} A4 --> B4 B4 -->|Yes| X4[Secondärversorgung<br/>]:::Dermatologe B4 -->|No| Y4[Primär<br/>versorgung]:::gp end classDef dermatologist fill:#04af65,stroke:#04af65,stroke-width:0,color:#ffffff classDef gp fill:#8671ff,stroke:#8671ff,stroke-width:0,color:#ffffff

Und hier ist eine Variante des vorherigen Ablaufplanes, bei der zusätzlich geprüft wird, ob eine bestimmte Klassifizierung im Bild vorhanden ist:

graph LR subgraph <h3>Malignancy</h3> A1[Was ist der <br/><code>IsMalignant<br/>Verdacht</code>?] B1{<code>>0.05</code>} A1 --> B1 B1 -->|Yes|X1[Sekundär<br/>versorgung]:::Dermatologe end subgraph <h3>Diagnose</h3> B1 -->|No|A2 A2[Was ist die <br/>Wahrscheinlichkeit der <br/>ersten <code>Konklusion</code>?] B2{<code>>0.06</code>} A2 --> B2 end subgraph <h3>Scoring</h3> B2 -->|Yes|A3 A3[Gibt es ein <br/>Bewertungs<br/>system?] end subgraph <h3>Severity</h3> A3 -->|Yes|A4 A4[Was ist der <br/><code>Schweregrad</code>?] B4{<code>>1</code>} A4 --> B4 B4 -->|No| Y4[Sekundärversorgung<br/>]:::Dermatologe B4 -->|No| Y4[Primärversorgung<br/>]:::gp end subgraph <h3>Match condition</h3> A3 -->|No|A5 B2 -->|No|A5 A5[Was ist die <br/>kombinierte Wahrscheinlichkeit <br/>eines gegebenen <br/>Krankheitsbilds?] B5{<code>>0.6</code>} A5 --> B5 B5 -->|Yes| X5[Secondärversorgung<br/>]:::Dermatologe B5 -->|No| Y5[Primärversorgung<br/>]:::gp end classDef dermatologist fill:#04af65,stroke:#04af65,stroke-width:0,color:#ffffff classDef gp fill:#8671ff,stroke:#8671ff,stroke-width:0,color:#ffffff

Priorisierung​

Einrichtungen haben die Möglichkeit, Ablaufpläne für die Priorisierung zu erstellen.

Jede Einrichtung hat ihre eigenen Ablaufpläne und Protokolle, um Patienten Priorität zuzuweisen, die Angemessenheit von Überweisungen zu erhöhen und sicherzustellen, dass der richtige Patient zur richtigen Zeit den richtigen Arzt aufsucht.

Der folgende Abschnitt dient lediglich der Veranschaulichung und erläutert einige Ablaufpläne, die eine Verwaltungsstelle einführen kann, um den Episoden auf der Grundlage der Informationen aus dem Diagnosebericht eine Priorität zuzuweisen.

Malignität​

Der Verdacht auf eine bösartige Erkrankung ist eine der Variablen, die der Arzt bei seiner Entscheidungsfindung heranzieht.

Eine Antwort von der API enthält einen Abschnitt namens preliminaryFindings, der die folgenden Informationen enthalten kann:

Preliminary findings
{
// ...
"preliminaryFindings": {
// ...
"isMalignantSuspicion": 62
// ...
}
// ...
}

Der Parameter isMalignantSuspicion kann als Entscheidungshilfe für die Zuweisung von Prioritäten an Patienten verwendet werden.

Eine ganz einfache Regel wäre:

  • Von 0 bis 5 % kann der Patient als normal eingestuft werden
  • Wenn der Patient einen isMalignantSuspicion höher als 5 % hat, gilt er als hohe Priorität.
graph LR A[Diagnosebericht] -->B{isMalignant<br/>Suspicion} B -->|>5%| E[Hohe Priorität] B -->|<5%| F[Normale Priorität]

Und auĂźerdem:

  • Sollte der Patient einen isMalignantSuspicion höher als 20 % haben, kann seine Priorität als hoch eingestuft und er umgehend behandelt werden.
graph LR A[Diagnosebericht] -->B{isMalignant<br/>Suspicion} B -->|>20%| E[Hohe Priorität und umgehende Versorgung] B -->|>5%| F[Hohe Priorität] B -->|<5%| G[Normale Priorität]
Reihenfolge nach Malignität

Einrichtungen können noch weiter gehen und die Fälle sogar nach ihrer Malignität sortieren. Ein Patient mit einem Verdacht auf Malignität von 60 und ein Patient mit einem Verdacht auf Malignität von 30 hätten zum Beispiel beide hohe Priorität. Aber auch die Gruppe der hohen Priorität kann je nach Wert von hoch nach niedrig eingestuft werden.

Die ausführende Einrichtung kann auch beschließen, diese Informationen der medizinischen Fachkraft vorzulegen. In diesem Fall könnte eine Tabelle wie die folgende verwendet werden:

isMalignantSuspicion: 6 %isMalignantSuspicion: 62 %

Weitere Ablaufpläne​

Schweregrad​

Der Schweregrad einer Erkrankung ist eine der Variablen, die die Ă„rzte bei ihren Entscheidungen berĂĽcksichtigen.

Eine Antwort von der API enthält einen Abschnitt namens Entwicklung, der die folgenden Informationen enthalten kann:

Evolution
{
// ...
"evolution": {
"domains": {
"ASCORAD_LOCAL": {
// ...
"grade": {
"score": 4.486,
"ranges": [
{
"min": 0,
"max": 0,
"normalised": 0,
"category": "None"
},
{
"min": 1,
"max": 20,
"category": "Mild",
"normalised": 1
},
{
"min": 21,
"max": 50,
"category": "Moderate",
"normalised": 2
}
]
}
}
}
}
// ...
}

Wie Sie sehen können, enthält das Objekt Grad einen Punktewert. In diesem Beispiel sehen Sie, dass der Schweregrad bei 4,486 liegt.

Außerdem können Sie in dem Array namens Bereiche sehen, dass die Werte zwischen 1 und 20 unter den Schweregrad 1 fallen; was bedeutet, dass dies der niedrigste mögliche Schweregrad ist. Und die Kategorie für diesen Schweregrad ist Leichtgradig, was eine semantische Interpretation der Punktzahl ist, die den Schweregrad direkt widerspiegelt.

Eine ganz einfache Regel wäre:

  • Wenn die Kategorie Schwergradig lautet, wĂĽrde dies den Arbeitsplan A auslösen.
  • Wenn die Kategorie Leichtgradig lautet, wĂĽrde dies den Arbeitsplan B auslösen.

Dies kann z.B. nĂĽtzlich sein, wenn ein Arzt entscheiden muss, ob er einen Patienten an einen Spezialisten ĂĽberweisen soll oder nicht. Es kann auch eine nĂĽtzliche Information sein, um die Wirksamkeit einer Behandlung zu ĂĽberwachen.

graph LR A[Diagnosebericht] -->B{grade.category} B -->|mild| C[Ablaufplan A] B -->|severe| D[Ablaufplan B]

In diesem Beispiel wäre der Ablaufplan A anwendbar, wenn der Schweregrad der Erkrankung bereits unter Kontrolle ist, z. B. weil der Patient gut auf die Behandlung anspricht.

Und zusätzlich können Sie den Prozess durch Informationen über die Krankengeschichte ergänzen. Beispielsweise, wenn Sie beim Senden Ihrer Anfrage an die API auch Informationen innerhalb von previousMedia senden. Das Ergebnis könnte lauten:

  • Wenn die Kategorie Mittelgradig lautet, und das vorherige Foto nicht der Kategorie Schwergradig entsprach, wĂĽrde dies den Ablaufplan C auslösen.
  • Andernfalls käme Ablaufplan A zum Einsatz.
graph LR A[Diagnosebericht] -->B{grade.category} B -->|mild| C[Ablaufplan A] B -->|severe| D[Ablaufplan B] B -->|moderate| G{Previous<br/>grade.category} G -->|severe| C G -->|mild| E[Ablaufplan C]

Die ausführende Einrichtung kann auch beschließen, diese Informationen der medizinischen Fachkraft vorzulegen. In diesem Fall könnte eine Tabelle wie die folgende verwendet werden:

Die Punktzahl fĂĽr den Schweregrad kann visuell angezeigt werden. Dies geschieht mit Hilfe der Werte im Array Bereiche:

grade.category: leichtgradiggrade.category: schwergradig

Vorgeschichte der Erkrankung​

Eine der Variablen, die medizinische Fachkräfte bei ihrer Entscheidungsfindung berücksichtigen, ist die Frage, ob eine Erkrankung für einen Patienten neu ist oder bereits diagnostiziert wurde.

Die Antwort der API enthält einen Abschnitt namens Konklusionen, der die folgenden Informationen enthalten kann:

Conclusions
{
// ...
"conclusions": [
{
"code": {
"code": "DA04.5",
"codeSystem": "ICD-11"
},
"name": "Mucous cyst",
"probability": 87.77
}
// ...
]
// ...
}

Aus dieser Information geht hervor, dass die Wahrscheinlichkeit für ein Krankheitsbild bei 87,77 liegt. Der Name des Krankheitsbildes lautet Mukozelen, codiert als DA04.5 gemäß dem System ICD-11.

Ein Arzt kann also ĂĽberprĂĽfen, ob dieses Krankheitsbild bei dem Patienten bereits diagnostiziert wurde, und diese Information bei seiner Entscheidungsfindung berĂĽcksichtigen.

graph LR A[Diagnosebericht] --> B[Konklusionen] --> C{Is the condition<br/>already assigned<br/>to the patient?} C -->|yes| E[Ablaufplan A auslösen] C -->|no| F[Ablaufplan B auslösen]

Prämalignität​

Möglicherweise haben Sie bemerkt, dass die API einen Wert namens isPreMalignantSuspicion zurückgibt, der sich von isMalignantSuspicion wie folgt unterscheidet:

Preliminary findings
{
// ...
"preliminaryFindings": {
// ...
"isMalignantSuspicion": 0,
"isPreMalignantSuspicion": 8.6000000000000001
// ...
}
// ...
}

Eine prämaligne Erkrankung (auch präkanzeröse Erkrankung genannt), ist eine Erkrankung, die sich unbehandelt zu Krebs entwickeln kann.

Von den möglichen Erkrankungen, die von der API ausgegeben werden, gibt es

  • 10 maligne Erkrankungen
  • 42 maligne Erkrankungen

Das bedeutet, dass es wahrscheinlicher ist, dass ein Bericht einen höheren Verdacht auf eine prämaligne Erkrankung liefert.

Nachstehend finden Sie eine Beispieltabelle mit Erkrankungen, die gemäß der einschlägigen Literatur als maligne oder prämaligne Erkrankungen eingestuft werden:

ErkrankungMalignePrämaligne
1Akanthose Nigricans
2Akne
3Acne fulminans
4Akrolentiginöses Melanom
5Aktinische Cheilitis
6Aktinische Elastose
7Aktinische Keratose
8Aktinische Porokeratose
+ ++ + + + + + + + + + + + + ++ + + + + + ++ + + + + + + +
234Xeroderma pigmentosum
235Xerosis

Die vollständige Tabelle ist 235 Zeilen lang. Wenden Sie sich an Ihren zuständigen Außendienstmitarbeiter, um weitere Informationen anzufordern.

caution

Berücksichtigen Sie, dass der Schlüssel Konklusionen des Diagnoseberichts eine vollständige Liste der vom Produkt erkannten Krankheitsbilder liefert. Daher kann eine Einrichtung die Malignität oder Prämalignität abweichend von dem in isMalignantSuspicion und isPreMalignantSuspicion angegebenen Wert zuweisen. Das Produkt stellt diese Werte für die Einrichtung zur Verfügung und sorgt für mehr Transparenz hinsichtlich der Funktionsweise des Produkts.

Die Schritte, die eine medizinische Fachkraft befolgen kann, sind:

graph LR A[Diagnosebericht] -->B{isPreMalignant<br/>Suspicion} B -->|>60| E[Ablaufplan A auslösen] B -->|>30| F[Ablaufplan B auslösen] B -->|<15| G[Ablaufplan C auslösen]