Die Prädiktion des klinischen Funktionsniveaus mit Hilfe von neuronalen Netzen

Eder, Julia (2022): Die Prädiktion des klinischen Funktionsniveaus mit Hilfe von neuronalen Netzen. Dissertation, LMU München: Faculty of Medicine

Abstract

Durch eine Vorhersage des Funktionsniveaus können Patientinnen und Patienten vorzeitig erkannt werden, deren psychopathologischer Zustand sich im weiteren klinischen Verlauf verschlechtern wird. Modelle, die dazu publiziert wurden sind äußerst kompliziert, beinhalten MRT Daten und genetische Analysen, sowie aufwändige klinische Testverfahren, die speziell ausgebildetes Personal benötigen. Im Rahmen dieser Arbeit konnte gezeigt werden, dass das Funktionsniveau von Patienten mit Hilfe von LSTM Netzen vorhergesagt werden kann. Es waren nur Daten aus Fragebögen nötig. Dabei ist herauszustellen, dass vor allem das soziale Funktionsniveau, welches durch den GF S gemessen wurde, die beste Prädiktionsgüte lieferte. Die aktuellen Ergebnisse übertreffen die Vorhersagegenauigkeit ähnlicher, bereits publizierter Modelle. Die aktuelle Arbeit kann neue Perspektiven für eine integrative und evidenzbasierte Medizin bieten. Die Güte der einzelnen Prädiktion für die jeweiligen Subgruppen sollte in weiteren Studien mit Daten, welche nicht aus dem PRONIA Datensatz stammen, repliziert werden.

• Item Type: Theses (Dissertation, LMU Munich)
• Keywords: Präzisionspsychiatrie, methodische Arbeit
• Subjects: 600 Technology, Medicine; 600 Technology, Medicine > 610 Medical sciences and medicine
• Faculties: Faculty of Medicine
• Language: German
• Date of oral examination: 17. November 2022
• 1. Referee: Koutsouleris, Nikolaos
• Signature of the printed copy: 0700/UMD 20834