 Nächster Abschnitt |
 Vorheriger Abschnitt |
 Inhalt |
 English |
 Kontakt |
8. Anwendung
Abschließend wird hier eine Beispielanwendung aus dem medizinischen Bereich vorgestellt.
8.1 Beschreibung des Projekts
Im Rahmen einer medizinischen Studie zur aktiv-spezifischen Immuntherapie (ASI) für Krebs werden Patienten mit dieser Therapie behandelt und gleichzeitig werden von diesen Patienten eine Reihe von klinischen Daten und Immundaten bestimmt. Im Rahmen der Therapie erhält ein Patient bis zu drei Impfungen. Vor und nach jeder Impfung wird ein Immunstatus des Patienten erstellt. Es ist sehr schwer, aus diesen Daten Schlüsse zu ziehen, da die Bedeutung der einzelnen Immundaten für die Therapie nicht klar ist. Daher soll mit Hilfe eines neuronalen Netzes versucht werden, den Therapiefortschritt in Abhängigkeit von den klinischen Daten und den Immundaten zu erhalten. Langfristig besteht das Ziel, aus den Patientendaten einen Index zu berechnen, der angibt, welchen Erfolg man von einer Immuntherapie für einen einzelnen Patienten erwarten kann. Dieser Index kann aus den klinischen Daten und dem anfänglichen Immunstatus oder eventuell aus der Reaktion auf die erste Impfung ermittelt werden.
8.2 Vorarbeiten
Bevor die Entwicklung eines neuronalen Netzes möglich ist, ist es notwendig, den gesuchten Index zu definieren. Diese Definition benötigt man, da das neuronale Netz mit vollständigen Datensätzen trainiert werden muß. Die Patienten sind über einen unterschiedlich langen Zeitraum beobachtet worden. Das Hauptproblem besteht darin, daß der Fortschritt der Therapie natürlich vom Beobachtungszeittraum abhängt. Man muß deshalb für eine unterschiedliche Gewichtung der einzelnen Datensätze beim Training des Netzes und beim Test sorgen, wobei sich die Gewichtung nach dem Beobachtungszeitraum richtet. Die Berechnung des Index ist ein Beispiel für eine Kodierung der Ausgabedaten (siehe Abschnitt Datenkodierung). Natürlich werden auch alle Eingabedaten kodiert, allerdings nur in trivialer Weise: Sie müssen für die Verarbeitung geeignet normiert werden.
8.3 Implementierung eines neuronalen Netzes
Zu Beginn des Projekts standen von etwa 200 Patienten Daten zur Verfügung. Da diese Daten nicht immer systematisch aufgenommen worden waren, waren nicht alle Datensätze vollständig. Ein Dilemma bestand also darin, daß die Rechnung zum Beispiel mit einem reduzierten Datensatz und mehr Patienten, oder mit einem vollständigen Datensatz und weniger Patienten durchgeführt werden konnte. Da a priori nicht klar ist, welche Daten besonders relevant sind, haben wir zunächst Rechungen mit vollständigen Datensätzen durchgeführt. Da die Zahl der Patienten aber sehr klein war, waren die statistischen Fehler relativ groß. Es deutete sich aber an, daß von den Immundaten und den klinischen Daten nicht alle wichtig sind, so daß anschließend mit kleineren Datensätzen von mehr Patienten weitergerechnet werden konnte. Das Ergebnis dieser Rechnungen war, daß ein Mehr-Schicht Perceptron mit einer Zwischenschicht in der Lage ist, die Daten zu lernen und mit einem gewissen Fehler auch Vorhersagen zu machen. Der Fehler lag bei diesen Rechnungen allerdings noch zu hoch. Der Grund dafür waren zu große statistische Fehler bei den Eingabedaten.
Um die Fehler bei den Eingabedaten zu minimieren, wurde die Bestimmung der Immunstaten automatisiert und standardisiert. Seit einiger Zeit läuft eine neue Studie zur ASI, an der 600 Patienten teilnehmen sollen. Die statistischen Fehler der Immundaten sind für diese Patienten geringer, die Zahl der Patienten ist zudem größer, so daß man erwarten kann, daß mit diesen neuen Daten ein neuronales Netz erfolgreich trainiert werden kann. Dabei sind die bisher gewonnenen Erfahrung natürlich von großem Nutzen.
8.4 Ausblick
Die Dauer der Studie ist auf mehrere Jahre angelegt. Auch wird man erst nach mehreren Jahren den Erfolg der Therapie an den an der neuen Studie teilnehmenden Patienten wirklich beurteilen können. Erste Voruntersuchungen mit einem Teil der neuen Patientendaten sollten aber in naher Zukunft schon möglich sein.
|
Nächster Abschnitt |
Vorheriger Abschnitt |
Inhalt |
English |
Kontakt |
