Datengestützte klinische Entscheidungsfindung im Management akuter Infektionen und postinfektiöser Erkrankungen

Stubbe, Hans Christian (2025): Datengestützte klinische Entscheidungsfindung im Management akuter Infektionen und postinfektiöser Erkrankungen. Habilitationsschrift, LMU München: Faculty of Medicine

Abstract

Ein zentrales Element des klinischen Denkens und Handels ist die klinische Entscheidungsfindung („Clinical decision making“). Eine korrekte und effiziente Entscheidungsfindung ist von höchster Bedeutung in allen medizinischen Disziplinen. In der Medizin gibt es oft Situationen, in denen Entscheidungen nicht eindeutig sind. Zur richtigen Entscheidung oder Einschätzung zu gelangen kann zudem erheblich vom Erfahrungsstand und der Fachrichtung der behandelnden Ärzte abhängen. Diagnosekriterien, Algorithmen und Scores bilden den Versuch, diese Entscheidungsprozesse zu objektivieren und effizienter sowie reproduzierbarer zu gestalten. Bei neuartigen Infektionskrankheiten wie COVID-19 und dem Post-COVID-Syndrom, die mit einer begrenzten klinischen Erfahrungsbasis einhergehen, ist es unerlässlich, innovative Ansätze zur Datenerhebung und -analyse zu entwickeln und anzuwenden. Nur so können rasch die relevanten Informationen gesammelt werden, die eine adäquate klinische Einordnung und Entscheidungsfindung ermöglichen und welche die Basis für weiterführende Studien wie beispielsweise Therapiestudien bilden. Entsprechend hat die COVID-19-Pandemie die Notwendigkeit effizienter Datenerfassungssysteme und präziser Risikobewertungsmodelle deutlich gemacht. Neue Technologien wie große Sprachmodelle (Large Langue Models - LLM) steigern die Relevanz von Pipelines für die Erhebung, Verarbeitung und Analyse großer Datenmengen unter Einbezug verschiedenster Datenquellen. In Anbetracht des aktuellen Trends werden sie sehr wahrscheinlich für Werkzeuge der klinischen Entscheidungsfindung in der Zukunft eine immer größere Rolle spielen. Diese Habilitation zielt darauf ab, COVID-19 und assoziierte post-infektiöse Auswirkungen zu untersuchen und verschiedene datengestützte Methoden und Technologien zu bewerten und zu entwickeln, um die klinische Entscheidungsfindung im Rahmen dieser Entitäten zu verbessern.

• Item Type: Postdoctoral Theses
• Keywords: Infektiologie, Clinical decision making, Datengestützte Methodik, Risikobewertungsmodelle
• Subjects: 600 Technology, Medicine; 600 Technology, Medicine > 610 Medical sciences and medicine
• Faculties: Faculty of Medicine
• Language: German
• Date of oral examination: 2025
• Signature of the printed copy: 0700/UMD 22749