COMPLEX - Visus Technology Transfer GmbH
COMPLEX - Visus Technology Transfer GmbH
COMPLEX - Visus Technology Transfer GmbH
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
COMPETENCE | PATIENTENAKTEN<br />
Abb. 2–Klassifikationsprozess<br />
58 EHEALTHCOM<br />
enthalten, aber in keine der beiden medizinischen Fachbereiche<br />
klassifiziert wurden, sind am Ende der Ergebnisliste<br />
zu finden.<br />
Insgesamt wurden 24 Dokumente mit dem Wort „Herz“<br />
als Inhalt für den Patienten gefunden. Neben einer kurzen<br />
Vorschau auf den Inhalt des Dokuments werden das Datum<br />
der letzten Modifikation, der Dokumenttyp sowie die Kategorien,<br />
in die das Dokument automatisiert klassifiziert wurde,<br />
dargestellt. Die Spalte „Score“ zeigt die berechnete Relevanz<br />
des Dokuments bezüglichder Suchanfrage. Das Dokument,<br />
welches in beide Kategorien klassifiziert wurde, besitzt die<br />
größte Relevanz. Anschließend folgen Dokumente, die eine<br />
Kategorie aus der Suchanfrage enthalten (nicht abgebildet).<br />
Evaluation<br />
Für die Klassifikationsaufgabe wurden vier Klassifikationsalgorithmen<br />
mit einem manuell kategorisierten Dokumentendatensatz<br />
von1500 klinischen Freitextdokumenten<br />
trainiert und evaluiert. Die Evaluation wurde für jeden Klassifikator<br />
mit und ohne Text-Vorverarbeitung (TV) durchgeführt.<br />
J48, ein Klassifikationsalgorithmus basierend auf einem<br />
Entscheidungsbaum, erreichte mit einer F-Measure von<br />
0,886 das beste Ergebnis.1-NN und SMO liegen gleichauf im<br />
Mittelfeld. NaïveBayes belegt abgeschlagen den letzten Platz.<br />
Text-Vorverarbeitung verbesserte das Ergebnis für alle Klassifikatoren.<br />
Zur Untersuchung der praktischen Relevanz des<br />
Prototyps wurden fünf erfahrenen Klinikärztinnen<br />
und -ärzten vier unterschiedliche Suchaufgaben<br />
vorgelegt. Bei zwei der Aufgaben durften<br />
die Kliniker medizinische Fachbereiche als<br />
„boost factor“ setzen, bei zwei Aufgaben nicht.<br />
Anschließend wurden sie gebeten, einen Fragebogen<br />
auszufüllen, der die Benutzerfreundlichkeit<br />
der Eingabe- und Ausgabemasken, Antwortzeiten<br />
des Systems sowie den Einfluss des<br />
Fachbereichs-“boost factor“ auf die Suche in<br />
der EPAabfragte. Die Analyse der Ergebnisse<br />
zeigt, dass die Benutzer überwiegendeine Beschleunigung<br />
der Informationssuche –vor allem<br />
in Patientenakten mit vielen Dokumenten<br />
–feststellen konnten. Weiters wurde angemerkt,<br />
dass der Einsatz von medizinischen<br />
Fachbereichen als „boost factor“ eine feiner granulierte<br />
Suche ermöglicht. Fachbereichsspezifische<br />
Informationen könnten dadurchschneller<br />
gefunden werden.<br />
Fazit und Ausblick<br />
Die Zunahme vonunstrukturierten klinischen<br />
Freitextdokumenten erfordert Techniken<br />
wie Text Information Retrieval oder die automatisierte<br />
Klassifikation vonFreitextdokumenten<br />
zur Auffindung relevanter medizinischer<br />
Informationen. Basierend auf etablierten Open-Source Java-<br />
Frameworks bietet diese Arbeit einen kombinierten Ansatz,<br />
beide Techniken in einem klinischen Information Retrieval<br />
System zu nutzen. Evaluationsergebnisse bestätigen den erfolgreichen<br />
Einsatz vonmaschinellem Lernen für die Textklassifikation<br />
sowie die praktische Verwendung der dadurchgewonnenen<br />
Metadaten für die Suche im klinischen IR-System.<br />
Im Hinblickauf die Integration in die elektronische Patientenakte<br />
des klinischen Informationssystems der KAGes<br />
bietet der Prototyp eine gute Möglichkeit, die Suchfunktionalität<br />
zu verbessern. Zusätzlichzur Generierung vonMetadaten<br />
durchdie automatisierte Klassifikation ist für die Zukunft<br />
der Einsatz eines Thesaurus zur Erweiterung der Benutzersuchanfrage<br />
durchSynonyme und Akronyme geplant. Dadurchwird<br />
es möglich, unterschiedliche Schreibweisen von<br />
Dokumentverfasser und Abfragenden zu überwinden und die<br />
Trefferquote zu erhöhen.<br />
STEPHAN SPAT<br />
Institut für Medizinische Systemtechnik<br />
und Gesundheitsmanagement,<br />
JOANNEUM RESEARCH<br />
Forschungsgesellschaft mbH,<br />
Elisabethstraße 11a, 8010 Graz, Austria<br />
E-Mail: stephan.spat@joanneum.at<br />
http://www.joanneum.at/msg<br />
[1]-[9] Literaturhinweise unter<br />
www.e-healthcom.eu/zeitschrift/ausgabe/literatur