Jena University Language & Information Engineering (JULIE) Lab, Friedrich-Schiller-Universität Jena
Projektpartner im Konsortium SMITH
In klinischen Informationssystemen liegen medizinisch relevante Daten zu einzelnen Patientinnen und Patienten in „strukturierter“ Form vor. Das heißt, in ein vorab definiertes tabellarisches Schema tragen Ärztinnen und Ärzte, medizinische Dokumentarinnen und Dokumentare sowie anderes befugtes klinisches Personal fortlaufend Informationen zu einzelnen Patientinnen und Patienten überwiegend händisch ein, um den Behandlungsverlauf möglichst detailliert zu dokumentieren. Weitgehend unberücksichtigt bleiben aber eine Vielzahl von informationsreichen klinischen Berichten und Notizen zu den einzelnen Patientinnen und Patienten, da diese in (aus Rechnersicht) nur in „unstrukturierter“ Form vorliegen und somit von der Standard-Software klinischer Informationssysteme nicht angemessen analysiert werden können.
Um diese Informationslücke zu schließen und die in unstrukturierten Texten enthaltenen Informationen für medizinische Entscheidungsprozesse systematisch zur Verfügung zu stellen, werden im Jena University Language & Information Engineering (JULIE) Lab an der Friedrich-Schiller-Universität Jena seit Längerem Systeme zur automatischen Informationsextraktion aus klinischen Dokumenten entwickelt. Hierbei wird in zwei Stufen vorgegangen. Zunächst werden kleinere Mengen von klinischen Dokumenten manuell annotiert, d.h. mit überwiegend semantischen Metadaten versehen. Diese Annotate spiegeln ausgewählte Facetten des menschlichen Textverstehens bzw. der Textlektüre wider. Sie dienen dann im Weiteren als Trainingsmaterial für Verfahren des maschinellen Lernens. Dabei wird ein statistisches Modell des systematischen Auftretens einer Vielzahl von Sprachsignalen und Annotationsmustern induktiv gelernt. Diese automatisch erlernten Sprachmodelle können dann wiederum auf bislang ungesehene klinische Dokumente angewendet werden, um die in den Texten enthaltenen medizinischen Informationen in das klinische Informationssystem einzuspeisen – unstrukturierte Texte werden also automatisch in strukturierte Informationen überführt.
Neben der Lösung dieser technischen Herausforderung hat sich Friedrich-Schiller-Universität Jena an einem der klinischen Anwendungsfälle beteiligt, die den Mehrwert von IT-Lösungen und Datenanalysen für eine bessere Versorgung aufzeigen:
- Arzneimitteltherapiesicherheit: Innovative IT-Lösungen tragen dazu bei, die Arzneimittelsicherheit und Arzneimitteltherapien zu optimieren. Stationsapotheken können so riskante Wirkstoffkombinationen frühzeitig erkennen und Betroffene besser vor unerwünschten Nebenwirkungen geschützt werden.
Arzneimittelwechselwirkungen
Um Patientinnen und Patienten besser vor den unerwünschten Nebenwirkungen von Medikamenten schützen zu können, werden in diesem Anwendungsfall maßgeschneiderte IT-Lösungen entwickelt. Ziel ist es, Daten, die im Laufe der klinischen Versorgung in großer Zahl anfallen und bislang nicht genutzt werden können, automatisiert zu analysieren. Das soll helfen, riskante Wirkstoffkombinationen von Arzneien aufzuspüren und betroffene Personen besser zu schützten.
Für diesen Anwendungsfall entwickelten Forschende der Friedrich-Schiller-Universität Jena Programme, die per automatischer Sprachverarbeitung (Computerlinguistik) medizinische Detektivarbeit leisten: Die Herausforderung besteht darin, aus klinischen Dokumenten – z.B. Operationsberichten oder Entlassungsbriefen – „herauszulesen“, welche unerwünschten Effekte Arzneimittel für Personen mit besonderen Eigenschaften (z.B. Unverträglichkeiten, Übergewicht, Vorerkrankungen) haben. Diese in großen Mengen klinischer Dokumente „versteckten“ Informationen lassen mit klassischen Werkzeugen zur Analyse von Klinikinformationen (etwa Datenbanken) bislang nicht oder kaum aufspüren. Mithilfe der in diesem Anwendungsfall neu gewonnenen Erkenntnisse sollen unerwünschte Nebenwirkungen von Medikamenten künftig besser vermieden werden können.