Mit der Einrichtung der klinischen Landeskrebsregister nach §65c SGB V und der Einführung des bundeseinheitlichen ADT-GEKID Basisdatensatz werden nun auch Daten zur Behandlung und dem Erkrankungsverlauf von Krebserkrankungen erfasst. Die Auswertung dieser Daten ist aufgrund ihrer Komplexität ohne geeignete Verfahren und Werkzeuge derzeit nur mit großem, unverhältnismäßigem manuellen Aufwand umzusetzen. Im Projekt SePaMiM möchten wir untersuchen, inwiefern sich die Analyse komplexer Behandlungs- und Krankheitsverläufe aus Registerdaten mithilfe geeigneter IT-Systeme unterstützten lässt.

SePaMiM hat das Ziel, die Epidemiolog*innen in klinischen Krebsregistern bei der Analyse von Krankheits- und Behandlungsverlaufsdaten durch geeignete IT-System zu unterstützen.

Zur Analyse sequentieller Daten existieren zwei primäre Ansätze. Der erste hat das Ziel, in den Verlaufsdaten nach Sequenzen zu suchen, die einem vorgegebenen Muster entsprechen. Der zweite Ansatz kommt aus dem Data Mining und befasst sich mit Algorithmen zum Finden von interessanten oder häufig auftretenden Mustern in den Sequenzdaten. Im SePaMiM-Projekt sollen beide Ansätze verfolgt werden.

Zunächst sollen die Mitarbeiter*innen der klinischen Krebsregister bei der Selektion von Patient*innenkohorten anhand bestimmter Behandlungsverläufe unterstützt werden. Hiermit soll es den Mitarbeiter*innen ermöglicht werden, konkrete Fragestellungen zu beantworten, beispielsweise im Rahmen einer Qualitätskonferenz.

Aufbauend hierauf werden anschließend Verfahren der künstlichen Intelligenz, insbesondere aus dem Bereich des Data Mining genutzt, um automatisch Muster in den Verlaufsdaten zu entdecken. Im Bereich des Data Mining beschäftigt sich z.B. das Sequential Pattern Mining mit Algorithmen zum Finden von interessanten oder häufig auftretenden Mustern in Sequenzdaten.