Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv....
-
Upload
ingrid-franke -
Category
Documents
-
view
216 -
download
1
Transcript of Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv....
![Page 1: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/1.jpg)
Semantische Aufwertung der elektronischen Patientenaktedurch wissensbasiertes Text-Mining
Priv. Doz. Dr. med. Stefan SchulzAbteilung Medizinische Informatik
http://www.imbi.uni-freiburg.de/medinf/ [email protected]
![Page 2: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/2.jpg)
NatürlicheSprache
Strukturierte Daten
ElektronischePatientenakte
![Page 3: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/3.jpg)
Natürliche Sprache
![Page 4: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/4.jpg)
![Page 5: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/5.jpg)
![Page 6: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/6.jpg)
![Page 7: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/7.jpg)
NatürlicheSprache
Structured Data
… unverzichtbar für Dokumentation und Kommunikation
Krankenversorgung Wissenschaft Arzt-Patient Wissensvermittlung
![Page 8: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/8.jpg)
NatürlicheSprache
nur für das Universitätsklinikum Freiburg (p.a.)
280.000 Arztbriefe 140.000 Radiologiebefunde
55.000 Pathologiebefunde 40.000 Operationsberichte
70.000 sonstige Texte
600.000
![Page 9: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/9.jpg)
Strukturierte Daten
![Page 10: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/10.jpg)
…unverzichtbar für Klassierung und Abstraktion:
Kodierung von Diagnosen und Prozeduren, DRGs
Leistungsabrechnung Qualitätssicherung Controlling Medizinische Forschung Gesundheitsberichterstattung
(Register)
Strukturierte Daten
![Page 11: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/11.jpg)
Epidemiologie (Morbidität, Mortalität)
![Page 12: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/12.jpg)
Pauschalierte Entgeltsysteme
![Page 13: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/13.jpg)
…erfordern medizinischeTerminologiesysteme
ICD OPS 301 DRG ICF LOINC SNOMED etc., etc.
Strukturierte Daten
![Page 14: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/14.jpg)
Natürliche Sprache
Strukturierte Daten
![Page 15: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/15.jpg)
Datenerfassung
QualitätKosten-
++ -
Natürliche Sprache
Strukturierte Daten
![Page 16: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/16.jpg)
![Page 17: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/17.jpg)
Erfassung strukturierter Daten: Abhängigkeit: Datenmenge – Datenqualität - Motivation
Datenqualität
Datenmenge
HoheMotivation
GeringeMotivation
KeinerleiMotivation
Goldstandard
![Page 18: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/18.jpg)
Datenauswertung
-+
Natürliche Sprache
Strukturierte Daten
+- Qualität
Kosten
![Page 19: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/19.jpg)
„Ich brauche die Arztbriefe der Patienten mit den Merkmalen A und B, die von Dr. C mit D behandelt wurden“
Beispiele Datenauswertung
![Page 20: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/20.jpg)
Dokumentenrecherche am Medizinischen Arbeitsplatz
Beispiele Datenauswertung
![Page 21: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/21.jpg)
„Wir möchten Kostenprofile unterschiedlicher Patientengruppen miteinander vergleichen“
Beispiele Datenauswertung
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 22: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/22.jpg)
Medizinisches Controlling
Beispiele Datenauswertung
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 23: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/23.jpg)
Medizinisches Controlling
Beispiele Datenauswertung
„Wie haben sich bestimmte Qualitätsindikatoren in meiner Abteilung entwickelt?“
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 24: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/24.jpg)
Beispiele Datenauswertung
Qualitätssicherung
Medizinisches Controlling
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 25: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/25.jpg)
Beispiele Datenauswertung
„Ich brauche verlässliche Daten aus klinischen Registern“
Qualitätssicherung
Medizinisches Controlling
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 26: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/26.jpg)
Beispiele Datenauswertung
Klinische Epidemiologie
Qualitätssicherung
Medizinisches Controlling
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 27: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/27.jpg)
Beispiele Datenauswertung
Klinische Epidemiologie
„Ich möchte Patienten für eine Studie rekrutieren“
Qualitätssicherung
Medizinisches Controlling
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 28: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/28.jpg)
Beispiele Datenauswertung
Klinische Forschung
Qualitätssicherung
Medizinisches Controlling
Klinische Epidemiologie
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 29: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/29.jpg)
Beispiele Datenauswertung
Klinische Forschung
Ich will Phänotypdaten, um meine Hypothesen zu belegen
Qualitätssicherung
Medizinisches Controlling
Klinische Epidemiologie
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 30: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/30.jpg)
Beispiele Datenauswertung
Klinische Forschung
Biomedizinische Grundlagenforschung
Qualitätssicherung
Medizinisches Controlling
Klinische Epidemiologie
Dokumentenrecherche am Medizinischen Arbeitsplatz
![Page 31: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/31.jpg)
Auswertungsproblem
Routinemäßig erhobene strukturierte Daten (ICD, OPS):- unzureichend- zu grob- unsicherer Qualität
!
![Page 32: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/32.jpg)
Natürliche Sprache
Strukturierte Daten
Ziel: Überbrückung
![Page 33: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/33.jpg)
Natürliche Sprache
Strukturierte Daten
Methode: Text Mining
![Page 34: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/34.jpg)
Text Mining: Im Wesentlichen zwei Hauptszenarien
Informationsextraktion:Automatische Extraktion von für eine Fragestellung
relevanter Fakten in unstrukturierten Texten
Dokumentenretrieval:gezieltes Suchen nach relevanten Dokumenten in
großen Dokumentenkollektionen
![Page 35: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/35.jpg)
Text Mining: Im Wesentlichen zwei Hauptszenarien
Informationsextraktion:Automatische Extraktion von für eine Fragestellung
relevanter Fakten in unstrukturierten Texten
Dokumentenretrieval:gezieltes Suchen nach relevanten Dokumenten in
großen Dokumentenkollektionen
![Page 36: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/36.jpg)
Anwendungsbeispiel Informationsextraktion: Tumordokumentation
shadow was pointed out on a routine chest X-ray film, but she had no further examination. Physical examination on admission revealed purpura of the upper and lower extremities, swelling of the gums and tonsils, but no symptoms showing the complication of myasthenia gravis. Hematological tests revealed leucocytosis: WBC count 68 700/µl (blasts 11.5%, myelocytes 0.5%, bands 2.0%, segments 16.0%, monocytes 65.5%, lymphocytes 4.0%, atypical lymphocytes 0.5%), Hb 7.1 g/dl (reticulocytes 12%) and a platelet count of 9.1 × 104/µl. Further laboratory examination revealed elevated serum lactic dehydrogenase (589 U/l), vitamin B12 (2010 pg/ml) and ferritin (650. 0 ng/ml). Human chorionic gonadotropin and [alpha]-fetoprotein levels were normal. A bone marrow aspiration revealed hypercelllar bone marrow with a decreased number of erythroblasts and megakaryocytes and an increased number of monoblasts that were positive for staining by [alpha]-naphthyl butyrate esterase and negative for staining by naphthol ASD chloroacetate esterase. Chest X-ray upon admission revealed a mediastinal mass and an elevated left diaphragm . Computed tomography (CT) of the chest showed a left anterior mediastinal mass . Based on these findings, the patient was diagnosed with a mediastinal tumor accompanied by AMoL. First, in June 1991, the patient was treated with DCMP therapy: daunorubicin (DNR) (25 mg/m2, days 1, 2, 3, 4, 6 and 8), cytosine arabinoside (Ara-C) (100 mg/m2, days 1-9), 6MP-riboside (6-MP) (70 mg/m2, days 1-9) and prednisolone (PSL) (20 mg/m2, days 1-9), followed by five courses of consolidation chemotherapy [1, DCMP; 2, ID-Ara-C:adriacin (ADR), vincristine (VCR), Ara-C, PSL; 3, DCMP; 4, ID-Ara-C; 5, A-triple V: Ara-C, VP-16, VCR, vinblastine (VBL)]. After induction chemotherapy, a hematological examination and bone marrow findings had improved to normal, and complete remission was attained. Chest CT scan after chemotherapy in November 1991 revealed regression of the mediastinal tumor . An invasive thymic tumor was suspected and surgery was undertaken in January 1992. The tumor (50 × 45 × 45 mm), located mainly in the anterior mediastinum, was strongly adhered to the adjacent tissues. Resection of the tumor included the left upper lobe of the lung, the phrenic nerve and pericardium. The histological finding was that the tumor cells have large, vesicular nuclei and prominent nucleoli, but keratinazation was unclear . The results of immunohistochemical finding of anti-TdT was negative. From these findings, we diagnosed poorly or moderately differentiated squamous cell carcinoma of the thymus. The postoperative course was uneventful. The patient underwent radiation therapy of the mediastinum and left hilum at doses of 4000 cGy delivered over 4 weeks. She was discharged in March 1992. After the first AMoL remission, the patient suffered a relapse six times and was repeatedly admitted for chemotherapy. During these periods, chest X-ray and CT revealed no recurrence of the mediastinal tumor. During her tenth admission, the patient developed pneumonia during chemotherapy and died in October 1996. No autopsy was performed.
Tumorregister - Template
Datum Erstdiagnose
Grading
Morphologie
Primärloka-lisation
Staging
DatumErsttherapieChemotherapieBestrahlung
![Page 37: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/37.jpg)
Text Mining: Im Wesentlichen zwei Hauptszenarien
Informationsextraktion:Automatische Extraktion von für eine Fragestellung
relevanter Fakten in unstrukturierten Texten
Dokumentenretrieval:gezieltes Suchen nach relevanten Dokumenten in
großen Dokumentenkollektionen
![Page 38: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/38.jpg)
Anwendungsbeispiel Dokumentenrecherche: Prototyp Hautklinik Freiburg
![Page 39: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/39.jpg)
Natürliche Sprache
Strukturierte Daten
Werkzeuge (I): Natürlichsprachliche Systeme
![Page 40: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/40.jpg)
Natürlichsprachliche Systeme – Forschungs-gegenstand der Computerlinguistik
Grundprinzipien: Analyse der Struktur von geschriebenem Text (Syntax) Analyse der Bedeutung (Semantik) Abbildung auf sprachunabhängige Bedeutungseinheiten (Einträge
in Ontologien / Terminologiesystemen) Methodische Paradigmen:
Symbolisch: Grammatiken als komplexe Axiomen- und Regelsysteme
Probabilistisch: sprachliche Regularitäten werden basierend auf Echtdaten mit Methoden des Machine Learning gelernt
Problematik: Vieldeutigkeit sprachlicher Äußerungen Limitiere Verfügbarkeit von Ressourcen (Grammatiken, Lexika,
Ontologien, annotierte Korpora) Inhärente Komplexität sprachverarbeitender Algorithmen
Derzeitiger Forschungs- und
Anwendungs-schwerpunkt:
Bio-Text Mining (Faktenextraktion
aus Literaturabstracts)
![Page 41: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/41.jpg)
Natürliche Sprache
Strukturierte Daten
Werkzeuge (II): Terminologiesysteme, Ontologien
![Page 42: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/42.jpg)
Ontologien / Terminologiesysteme: Interdisziplinärer Forschungsgegenstand
Grundprinzip: Beschreibung der Eigenschaften (konkreter) Gegenstände und
Prozesse eines Sachgebiets und deren Zusammenhänge Methodische Paradigmen:
Logikbasiert: Verwendung formaler Sprachen, Axiomensystem Berechenbarkeit: Neue Zusammenhänge maschinell folgerbar.
Problematik: Konsensfindung bez. Termbedeutungen Handhabung großer Ontologien
Beispiel: SNOMED CT I,w,S. auch ICD, OPS, MeSH,… Open Biological Ontologies
Derzeitiger Forschungs- und
Anwendungs-schwerpunkt:
Bio-Ontologien (Cell, cell component, molecular
function, biological process, gene / protein sequence, chemicals of
biological interest, mouse anatomy, mouse development, zebrafish, C.
elegans, drosophila, …)
![Page 43: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/43.jpg)
Beispiel: ontologisches Schließen durch Wissensbasierung Eine offene Tibiaschaftfraktur ist
1. eine Fraktur des Unterschenkels, weil Tibiaschaft Teil des Schienbeins, welches Teil von Unterschenkel
2. eine offene Verletzung, weil allen Frakturen Verletzungen sind
3. eine den Bewegungsapparat betreffende Verletzung, da Tibia Teil von Bewegungsapparat und Fraktur eine Art von Verletzung
4. eine Verletzung die zur Funktionseinschränkung führt, da Stabilität der u. Extremität abhängig von Stabilität der Tibia und Schaftfrakturen immer die Knochenstabilität beeinträchtigen
5. Ein Infektionsrisiko, da (2.) und offene Verletzungen immer infektionsgefährdet und
![Page 44: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/44.jpg)
syntaktische Repräsentation
wurde
In
einem
vom
Partikel
Magenschleimhaut
eine
Antrumtyp
erfasst
subject verbpart
pobject
spec
specppadjunct
ppatt
pobject
semantische Repräsentation(Instanziierung einer Ontologie)
Hahn & Schulz, IJMI 2000
Weitgehende Erhaltung der Information
Kombination: Natürlichsprachliche Systeme – Ontologien
”Sprachverstehen”
Bisher Laborprototypen vorbehalten und
nicht in ausreichendem
Maße in Realdomänen
skalierbar
![Page 45: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/45.jpg)
syntaktische Repräsentation
semantische Repräsentation
Marko & Schulz 2005
Starke Abstraktion
High TSH values suggest the diagnosis of primary hypo-thyroidism ...Erhöhte TSH-Werte erlauben die Diagnose einer primären Schilddrüsenunterfunktion ...
#up tsh #value #suggest #diagnost #primar #hypo #thyre#up tsh #value #permit #diagnost #primar #thyre #hypo #function
Kombination: Natürlichsprachliche Systeme – Ontologien
”Morphosemantische Indexierung”
![Page 46: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/46.jpg)
MorphoSaurus: semantisches medizinisches Dokumentenretrieval
Hahn, Schulz et al., RIAO 2004
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Recall
Pre
cisi
on
D – D – Wortbasierter Index
D – D – Subwort- Synonymkl.
0,5
0,55
0,6
0,65
Pre
cisi
on
![Page 47: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/47.jpg)
Ausblick:Die semantisch angereicherte
elektronische Patientendokumentation
Quelle: Befund-berichte,Arztbriefe
(freier Text)
Manuell validierte
Diagnosen- und
Prozeduren-kodierung
Automatische Vorkodierungen
Manuell validierteSpezial-
kodierungen
Text-Mining-Engine
Wort-Index morpho-
semantischer Index
StandardisierteFalldokumentationen als
automatische Instanziierungeiner Ontologie
(z.B. SNOMED CT)
Medizinischer Arbeitsplatz:Recherche in
elektronischen Patientendokumenten
(„med. Google“)
Controlling- Arbeitsplatz /
Falldaten - Data-Warehouse
Kodier-Arbeitsplatz
![Page 48: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/48.jpg)
Ausblick: Menschliche vs. Maschinelle Sprachverarbeitung
Datenqualität
Datenmenge
HoheMotivation
GeringeMotivation
KeinerleiMotivation
Goldstandard
2007
2010
20??
![Page 49: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/49.jpg)
![Page 50: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/50.jpg)
Herausforderung für medizinische Sprachverarbeitung
Sehr große Textmengen Hohe Anforderungen an Datenschutz Lexikalische Produktivität Ambiguität
Lexikalisch: Bruch (Hernie) vs. Bruch (Fraktur) Syntaktisch: z.B. Anbindung von PPs
“[es wurde] [ Magenschleimhaut vom Antrumtyp ] [erfasst]” “[es wurde] [ Magenschleimhaut] [vom Antrumtyp erfasst]”
Semantisch, z.B. Skopus von Quantoren, Negationen, Koordinationen, Gradaussagen Jede Probe wies einen erhöhten PH-Wert auf
Komplexität, Berechenbarkeit, z.B. Dependenzgrammatiken: NP-vollständig Prädikatenlogik höherer Ordnung, Modallogiken: unentscheidbar
Kombination mit medizinischen Terminologiesystem Integration von symbolischen und stochastischen Ansätzen
![Page 51: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/51.jpg)
Ausblick: Menschliche vs. Maschinelle Sprachverarbeitung
Datenqualität
Datenmenge
HoheMotivation
GeringeMotivation
KeinerleiMotivation
Goldstandard
![Page 52: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/52.jpg)
Ausblick: Menschliche vs. Maschinelle Sprachverarbeitung
Datenqualität
Datenmenge
HoheMotivation
GeringeMotivation
KeinerleiMotivation
Goldstandard
2005
![Page 53: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/53.jpg)
Ausblick: Menschliche vs. Maschinelle Sprachverarbeitung
Datenqualität
Datenmenge
HoheMotivation
GeringeMotivation
KeinerleiMotivation
Goldstandard
2005
200?
20??
![Page 54: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/54.jpg)
Natürlichsprachliche Systemeals Mehrwert für die Elektronische Krankenakte
Stefan SchulzAbteilung Medizinische InformatikUniversitätsklinikum Freiburg
http://www.imbi.uni-freiburg.de [email protected]
![Page 55: Semantische Aufwertung der elektronischen Patientenakte durch wissensbasiertes Text-Mining Priv. Doz. Dr. med. Stefan Schulz Abteilung Medizinische Informatik.](https://reader031.fdocument.pub/reader031/viewer/2022013013/570491c51a28ab14218da67e/html5/thumbnails/55.jpg)
ICD DRG $301
L4