Referat - TU Dresden
Werbung
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Psychologie, Professur für Ingenieurpsychologie und Angewandte Kognitionsforschung Die Signalentdeckungstheorie und ihre Anwendung in der medizinischen Diagnostik Seminar HP5 Sommersemester 2014 Dozentin: Dr. Romy Müller Referentin: Hanna Bärwinkel Dresden, 05.05.2014 Gliederung 1. Einleitung 2. Signalentdeckungstheorie 2.1. Signalentdeckungsparadigma 2.2. Setzen des Antwortkriteriums 2.3. Sensitivität 3. Anwendung in der medizinischen Diagnostik 4. Fazit 5. Quellen TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 2 von XYZ 1.Einleitung •SDT als mathematisch-funktionales Modell der menschlichen Informationsverarbeitung und seine Komponenten zu wiederholen und genauer kennenzulernen •beleuchten inwieweit das Modell in der Praxis der medizinischen Diagnostik angewandt werden kann •welche Chancen bietet es für die Qualitätsverbesserung des medizinisch-diagnostischen Prozesses? TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 3 von XYZ 2. Signalentdeckungstheorie •SDT analysiert die Detektion von schwer zu entdeckenden Signalen in Situationen in denen ein Signal entweder vorliegt oder nicht vorliegt (Rauschen vs. Signal) •Bsp: Sicherheitskontrolle am Flughafen, Untersuchung von Röntgenbildern •fehlbarer Beobachter (Mensch oder Maschine) entscheidet über das Vorliegen TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 4 von XYZ 2.1. Signalentdeckungsparadigma 2 Stadien der Informationsverarbeitung: (1) sensorische Hinweisreize bezüglich des Vorhandensein bzw. Nichtvorhandeneins werden gesammelt (2) Entscheidung über das Vorhandensein wird vom Beobachter getroffen TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 5 von XYZ 2.1. Signalentdeckungsparadigma 4 mögliche Ergebnisse des Detektionsprozesses: •Wahrscheinlichkeiten der 4 Ereignisse ergeben sich jeweils aus der Division der Ereignisse pro Zelle durch die Gesamtzahl von Ereignissen pro Spalte •z.B. NSignale=20, davon sind 5 Treffer und 15 Verpasser -> P(Treffer) = 5/20=0,25 (Trefferrate) TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 6 von XYZ 2.1. Signalentdeckungsparadigma • durch das Signal oder Rauschen wird die ständig fluktuierende Evidenzvariable X verursacht (Aktivität in bestimmter Hirnregion; Wert ist im Durchschnitt größer, wenn tatsächlich ein Signal vorhanden ist; je stärker das Signal, desto größer ist X) •wird Wert Xc erreicht, so wird ein Signal gemeldet, unabhängig davon, ob es tatsächlich existiert •Quellen des Rauschens können external sowie internal sein TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 7 von XYZ 2.2. Setzen des Antwortkriteriums •gibt an wie stark Personen geneigt sind, ein Signal zu entdecken •Beobachter variieren in ihrer Antworttendenz/Antwortkriterium: konservatives neutrales Kriterium Kriterium 2.1. Signalentdeckungsparadigma •hoch: Verpasser, korrekte Zurückweisungen •niedrig: Treffer, falsche Alarme TU Dresden, 16.05.2016 •β>1 liberales Kriterium •NTreffer = Nkorrekte Zurückweisung •hoch: Treffer, falsche Alarme •Nverpasser = Nfalsche Alarme •niedrig: Verpasser, Korrekte •β = 1 Zurückweisungen Präsentationsname XYZ Folie 8 von XYZ •β<1 2.2. Setzen des Antwortkriteriums Bestimmung des optimales Beta Wahrscheinlichkeit ein Signal zu beobachten Kosten und Nutzen der vier verschiedenen Ergebnisse •50 % Wahrscheinlichkeit eines •Maximierung des Signals → Erwartungswertes, z.B. Entscheidungskriterium XC sollte finanzieller Gewinn oder Verlust an der Überschneidung der Verteilungen liegen (β = 1) •Signal ist wahrscheinlicher als Rauschen → liberales Antwortkriterium •Rauschen ist wahrscheinlicher als Signal → konservatives Antwortkriterium TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 9 von XYZ 2.3. Setzen des Antwortkriteriums •äußere Umstände bestimmen welche Strategie anzuwenden ist •Findet Beispiele für Situationen in denen ein konservatives bzw. liberales Kriterium verwendet werden sollte! Konservatives Kriterium Liberales Kriterium •Auswertung des Röntgenbildes eines gesunden Patienten ohne Krankheitssymptome •Auswahlverfahren Piloten •Auswertung des Röntgenbildes eines überwiesenen Patienten mit verschiedenen Krankheitssymptomen •Sicherheitskontrollen am Flughafen •Überwachung Atomkraftwerk TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 10 von XYZ 2.3. Sensitivität 𝑑′=(μS−μR) / σR μS Mittelwert μR Mittelwert Rauschen σR Streuung Rauschen •gibt an wie gut die Unterscheidung von Signal und Rauschen dem Beobachter gelingt •große Überschneidung der Verteilungen -> wenig sensitiv •wenig bis keine Überschneidung der Verteilungen -> hoch sensitiv TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 11 von XYZ 2.3. Sensitivität •abhängig von: •den physikalischen Eigenschaften des Signals (z.B. Salienz, Intensität) •Eigenschaften des Beobachters (z.B. Hörvermögen bei auditiver Aufgabe) TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 12 von XYZ 3. Anwendung in der medizinischen Diagnose •Anomalitäten des Patienten (z.B. Krankheiten, Tumore) sind vorhanden oder nicht •Arzt fungiert als Beobachter und trifft die Entscheidung •Bsp.: radiologische Untersuchung zu potentiellen Tumoren vs. Zysten Entscheidung des Beobachters über das Vorhandensein eines Signals Sensitivität Physikalische Eigenschaften des Signals Antwortkriterium Eigenschaften des Beobachters TU Dresden, 16.05.2016 Wahrscheinlichkeit ein Signal zu beobachten Präsentationsname XYZ Kosten und Nutzen der vier Ergebnisse der Entscheidung Folie 13 von XYZ 3. Anwendung in der medizinischen Diagnose Entscheidung des Beobachters über das Vorhandensein eines Signals Sensitivität Physikalische Eigenschaften des Signals Salienz der Abnormalität und Anzahl der Symptome Antwortkriterium Eigenschaften des Beobachters Ausbildung des Arztes bezüglich der Hinweisreize TU Dresden, 16.05.2016 Wahrscheinlichkeit ein Signal zu beobachten Kosten und Nutzen der vier Ergebnisse der Entscheidung Prävalenz der Krankheit in der Population; Erstuntersuchung vs. Überweisung Präsentationsname XYZ Folie 14 von XYZ 3. Anwendung in der medizinischen Diagnose Kosten und Nutzen der vier Ergebnisse der Entscheidung: Treffer Falscher Alarm chirurgische Entfernung -> verbesserte Überlebenschancen unnötige Operation, unnötige Kosten für Krankenhaus, Gerichtsverfahren, Gefahren einer OP Verpasser Korrekte Zurückweisung verschlechterte Überlebenschancen Vermeidung einer unnötigen Biopsie, Vermeidung unnötiger Kosten Wie sind die verschiedenen Ergebnisse zu gewichten? TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 15 von XYZ 3. Anwendung in der medizinischen Diagnose •Swets (1998): Ärzte verwenden ein bestimmtes Verhältnis von Kosten und Nutzen: „Lieber zweimal richtig liegen, wenn Krebs vorliegt, als wenn er nicht vorliegt“ ->liberales Kriterium •Empfehlung von Lusted (1976): stärkere Beachtung der Prävalenz in der Bevölkerung durch Ärzte •Empfehlung von Parasuraman (1985): stärkere Beachtung von Unterschieden der Signalwahrscheinlichkeit zwischen Erstuntersuchten und überwiesenen Patienten durch Radiologen TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 16 von XYZ 3. Anwendung in der medizinischen Diagnose Swets (1998): Untersuchung zur Verbesserung der Sensitivität von Radiologen bei der Unterscheidung Krebstumoren und Zysten mithilfe von Mammografien: •Entwicklung einer Checkliste mit verschiedenen Arten von Merkmalen von Krebstumoren •Bewertung jedes Merkmal auf einer Skala zur Sicherheit des Vorhandenseins •Radiologie mit wenig Erfahrung im Umgang mit Mammografien zeigten eine größere Sensitivität bei Verwendung der Checkliste TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 17 von XYZ 4. Fazit •SDT ermöglicht der Psychologie die statistische Modellierung des Entscheidungsprozesses •überwindet die Konfundierung von Sinnesempfindlichkeit (Sensitivität) und Entscheidungsverhalten (Antwortkriterium) •ermöglicht das Verstehen des komplexen Signalentdeckungsprozess , Fehleranalyse und dementsprechende korrektive Handlungen •birgt Mehrwert zur Verbesserung von Informationsverarbeitungsprozessen in der medizinischen Diagnostik TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 18 von XYZ 5. Quellen •Lusted, L. B. (1976). Clinical decision making. In D. Dombal & J. Grevy (eds.), Decision making and medical care. Amsterdam: North-Holland. •Parasuraman, R. (1985). Detection and identification od abnormalities in chest xrays: Effects of reader skill, desease prevalence, and reporting standarts. In R. E. Eberts & C. G. Eberts (eds.), Trends in ergonomics/human factors II (pp. 59-66). Amsterdam: North-Holland. •Swets , J. A. (1998). Separating discrimination and decision in detection, recognition, and matters of life and death. In An invitation to cognitive science: Methods, models, and conceptual issues (Vol. 4, D. Scarborough and S. Sternberg, Eds.) (2nd Ed., pp. 635-702). Cambridge, MA: MIT Press. •Wickens, C. D., Hollands, J. G., Banbury, S., & Parasuraman, R. (2013). Signal Detection and Absolute Judgement. In C. D. Wickens et al. (Hsrg.), Engineering psychology and human performance (4th ed., S. 8-48). Boston, MA: Pearson. TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 19 von XYZ Vielen Dank für eure Aufmerksamkeit! TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 20 von XYZ TU Dresden, 16.05.2016 Präsentationsname XYZ Folie 21 von XYZ
