MIND — Teste dein medizinisches Fachwissen
Wie wäre es, wenn man statt aus trockenen Medizinbüchern und Internetseiten auf spielerische Art und Weise praxisnahes medizinisches Wissen aneignen und das differenzialdiagnostische Denken fördern könnte? Unterwegs im Zug, beim Warten auf den Bus oder in der Lerngruppe zwischen zwei Vorlesungen?
Es existieren zwar Fallbücher, welche diese Art des Lernens ermöglichen. Die Anzahl an klinischen Fällen ist aber stark begrenzt und wir dachten, dass das in Zeiten von Duolingo und Co. auch moderner gehen müsste.
Eine neue Art des Lernens
Mit MIND by sublimd haben wir eine neue App für Ärzte und Medizinstudenten konzipiert, mit der genau das möglich wird: Interessierten werden auf dem Smartphone oder am Computer klinische Fallvignetten präsentiert. Dabei muss aus fünf Diagnosen die Wahrscheinlichste gewählt werden.
Einige Aufgaben können durch die erfahrene Ärztin ohne langes Überlegen gelöst werden. Es erscheinen aber auch immer wieder Fallvignetten, bei denen sehr genaues Lesen und Analysieren gefragt sind. Werden wirklich alle Symptome durch die Diagnose erklärt? Gibt es Beschwerden, die für ein Krankheitsbild kennzeichnend sind, beim Patienten jedoch fehlen? Wie steht es um die Inzidenz und die Geschlechtsverteilung der vorgeschlagenen Diagnosen? Sind wichtige Risikofaktoren vorhanden, welche eine Diagnose wahrscheinlicher machen?
Schliesslich müssen alle Informationsbausteine abgewogen und daraus eine Entscheidung getroffen werden, was bei einigen Fallvignetten durchaus die Köpfe zum Rauchen bringen kann.
Ein unerschöpflicher Fragen-Pool
Das Besondere an den in MIND präsentierten Fallvignetten ist, dass sie weder von realen Patienten stammen, noch in Handarbeit von Ärzten erfunden wurden. Alle Fälle werden von einem Algorithmus künstlich erzeugt und mit Hilfe der Medical Report Engine in Berichtsform gebracht.
Die medizinische Grundlage der Fälle stammt vom Medical Knowledge Graph - der von sublimd entwickelten und weltweit einzigartigen medizinischen Wissensdatenbank, deren Graph an die 30’000 Nodes und noch mehr Verbindungen zwischen den Nodes enthält. Der Graph wird laufend von unserem ärztlichen Team mittels aktuellster Literatur sowie dem Feedback unserer Kunden erweitert. Bisher sorgte der Medical Knowledge Graph dafür, dass bei der Triage und beim Check-in die relevanten Fragen zum aktuellen Leiden der Patientin vollständig dokumentiert werden (intelligente Triage und Anamneseerhebung).
Darüber hinaus wird der Medical Knowledge Graph von Ärztinnen und Ärzten zur effizienten Dokumentation der Anamnese und des körperlichen Untersuchungsbefundes sowie als integriertes medizinisches Nachschlagewerk eingesetzt. Mit der Kreierung von Fallvignetten für MIND ist jetzt ein neues Anwendungsgebiet dazugekommen.
Der grosse Vorteil eines solchen synthetischen Verfahrens liegt in der unglaublichen Effizienz bei der Fallerstellung. Den wissbegierigen Benutzern wird so nie langweilig und es gibt immer etwas Neues dazuzulernen.
Im Gegensatz zu herkömmlichen Lehr- und Fallbüchern, in denen Krankheitsbilder oft exemplarisch und eindeutig präsentiert werden, orientieren sich die Fallvignetten in MIND deutlich näher am klinischen Arbeitsalltag, wo das Behandlungsteam seine Entscheidungen meistens anhand von unvollständigen Informationen treffen muss.
Ursprünglich zur Qualitätskontrolle entwickelt
Die Algorithmen, welche bei MIND zur Erstellung der Fallvignetten verwendet werden, wurden ursprünglich zur Qualitätskontrolle entwickelt und unterstützen das sublimd-Team bei der Weiterentwicklung des Medical Knowledge Graphs. Dank der bereits bestehenden Technologie haben wir MIND innerhalb kürzester Zeit entwickelt und können es jetzt einem breiten Publikum kostenlos zur Verfügung stellen.
Das neue Quiz für Ärztinnen und Medizinstudenten erfreut sich schon jetzt grosser Beliebtheit: In den ersten zwei Tagen nach Veröffentlichung wurden bereits über 500 Fallvignetten gelöst.
Die Fall-Datenbank wird nun kontinuierlich erweitert. Von den Benutzern sind bereits erste Rückmeldungen eingetroffen: Es wäre praktisch, wenn das zu bearbeitende Fachgebiet ausgewählt und der Schwierigkeitsgrad eingestellt werden könnte. Ausserdem wäre der Lerneffekt noch grösser, wenn die richtige Antwort begründet würde. Wir arbeiten an der Umsetzung und freuen uns auf weiteres Feedback.