Search

Diese Arbeit zielt darauf ab einen Prototypen eines generisches Framework f��r entscheidungsunterst��tzende Systeme im medizinischen Bereich zu implementieren. F��r die ausgew��hlte medizinische Dom��ne erstellt das Framework ein Backend, welches eine REST Schnittstelle zur Verf��gung stellt, und ein einfaches Frontend, welches die Eingabe von Informationen von Patienten bzw. Krankheiten erm��glicht. Da das Framework von Personen ohne professionellem Hintergrund in Informatik verwendet werden soll, wird eine abstrakte Methode spezifiziert um Merkmale und Krankheiten abzubilden. F��r das Ranking von Krankheiten werden zwei Ans��tze pr��sentiert und implementiert: ein probabilistischer Ansatz und ein Ansatz, welcher lose auf der Idee von Term Frequency-Inverse Document Frequency (TFIDF)-��hnlichkeit basiert. Ein System, welches mit dem vorgestellten Framework erstellt wird, wird mit dem bestehenden entscheidungsunterst��tzendem System Dermtrainer verglichen, welches f��r dermatologische Erkrankungen optimiert ist. Das resultierende Framework basiert auf einem yeoman Codegenerator. Dieser Generator erstellt ein Spring Boot Backend und ein Vue.js Frontend entsprechend den Eingaben des Benutzers. F��r die Repr��sentation der Merkmale entschieden wir uns gegen eine benutzerdefinierte domain specific language (DSL) zugunsten einer einfachen JSON-Struktur mit dazugeh��rigen JSON Schemas f��r die Validierung von Nutzereingaben. Krankheiten werden mit Hilfe von Spreadsheets abgebildet und dem System ��bermittelt. Um die Korrektheit des Frameworks zu zeigen, konstruieren wir ein System, welches auf der Dom��ne von Dermtrainer basiert. Wir vergleichen die gestellten Diagnosen beider Systeme mit Patientenund Krankheitsdaten, welche im originalen Dermtrainer-Projekt erstellt wurden. Die Ergebnisse zeigen, dass ein System, welches mit dem vorgestellten Frameworks erstellt wurde, eine mit Dermtrainer vergleichbare Qualit��t bei der Reihung der Krankheiten erreicht., This thesis aims to implement a prototype of a framework for medical decision support systems. For the specified medical domain, the framework will generate both the backend providing REST functionality and a basic frontend that provides simple means of input for patient information. Since the framework is to be used by persons without a background in computer science, we will specify an abstract method to characterize features and diseases. For the ranking of diseases, two generic approaches will be presented and implemented: a probabilistic approach and an approach loosely based on the idea of term frequency-inverse document frequency (TFIDF)-similarity. Finally, a system built with the framework will be compared to Dermtrainer, which is an optimized dermatology decision support system. The resulting framework is built as a yeoman code-generator. This generator builds a Spring Boot backend and a Vue.js frontend according to the input of the user. For representing features we decided against a custom DSL in favor of a simple JSON structure alongside with JSON Schemas for validating user input. Diseases are represented as spreadsheets. In order to demonstrate the correctness of the framework, we construct a system based on the domain of Dermtrainer with the framework. We compare the diagnoses made by the systems with patient and disease data from the original Dermtrainer project. The results show that a system constructed with the proposed framework achieves comparable overall quality when compared to Dermtrainer.