Ähnlichkeitssuche für Reichhaltig Annotierte Strukturierte Patientenfallakten


Ähnlichkeitssuche gewinnt zunehmend an Bedeutung als Werkzeug für das Management und die Analyse der wachsenden Datenmengen, die heutzutage in verschiedenen Disziplinen digital verfügbar sind. Komplexe Analysen wie das Gruppieren von ähnlichen Datenobjekten, die Klassifizierung von neuen Objekten oder die Erkennung von ungewöhnlichen, z.B. fehlerhaften Objekten werden erst durch spezifische Ähnlichkeitsmaße und effektive -algorithmen möglich. Viele Anwendungen nutzen und verarbeiten heute sowohl strukturierte und teilstrukturierte, als auch unstrukturierte Daten. Ähnlichkeitssuche für solche Anwendungen stellt zwei wichtige Forschungsfragen: Erstens müssen Methoden gefunden werden, um die Daten aus unstrukturierten Texten in die Ähnlichkeitserfassung mit einzubeziehen, etwa durch Transformation dieser Daten in eine strukturierte Repräsentation, die insbesondere relevante Prozessinformationen erhält. Zweitens bedarf es der Definition von Ähnlichkeitsmaßen und -algorithmen, die die resultierenden annotationsreichen Prozessrepräsentationen vergleichen können. Ein Anwendungsfeld, in dem eine solche prozessorientierte Ähnlichkeitssuche hoch relevant ist, ist die klinische Medizin: Während eines Krankenhausaufenthalts folgt ein*e Patient*in einem (oft impliziten) Prozess, entlang dessen er*sie sich Untersuchungen unterzieht, um einen genaue Diagnose zu ermitteln. Die Ergebnisse jeder Untersuchung werden üblicherweise in separaten, unstrukturierten oder teilstrukturierten Dokumenten festgehalten und der persönlichen (elektronischen) Patientenakte (EHR) hinzugefügt. Solche Akten enthalten auch persönliche Informationen wie das Geburtsdatum und zunehmend auch Ergebnisse von Laboruntersuchungen und genetische Informationen. Der gegenwärtige Mangel an Methoden zur Ähnlichkeitssuche über diese Daten ist nicht nur für die Durchführung klinischer Studien hinderlich, sondern auch für die Nutzung des gesammelten Wissens in der täglichen Patientenbehandlung, etwa zum ad-hoc-Vergleich von Fällen mit ähnlichen Symptomen, Anamnesen, oder genetischen Profilen. Wie die verschiedenen Arten von Daten in EHR einbezogen und gewichtet werden sollten, um prozessorientierte Ähnlichkeitssuche über medizinische Patientenfallakten bestmöglich zu unterstützen, ist bisher nicht klar. Soweit wir wissen, sind weder die prozessorientierte Extraktion von Informationen aus EHR, noch die Ähnlichkeitssuche über solche Prozesse, reichhaltig annotiert mit extrahierten klinisch relevanten Daten, bisher erforscht worden. Unser Projekt untersucht diese klinischen Instantiierungen der zwei obigen Forschungsfragen. Wir werden existierende Methoden zur Informationsextraktion aus medizinischen Dokumenten anwenden, um annotationsreiche Prozessrepräsentationen aus Patientenakten zu gewinnen. Basierend auf diesen Repräsentationen werden wir Ähnlichkeitsmaße für den effektiven Vergleich von Patientenakten erforschen und diese im Anwendungsbereich der klinischen Entscheidungsunterstützung evaluieren.


Projektleitung
Starlinger, Johannes (Details) (Wissensmanagement in der Bioinformatik)

Laufzeit
Projektstart: 10/2016
Projektende: 09/2019

Forschungsbereiche
Naturwissenschaften

Zuletzt aktualisiert 2021-21-01 um 13:24