Medizinische Universität Graz Austria/Österreich - Forschungsportal - Medical University of Graz
SHR
Neuro
Krebs
Kardio
Stoffw
Microb
Lipid
Vereinfachung medizinischer Befunde mit Hilfe von künstlicher Intelligenz.
- Abstract
- In den letzten Jahren hat sich in der medizinischen Landschaft ein Trend hin zu einer wertorientierten Gesundheitsversorgung abgezeichnet. Diese zielt darauf ab, die bestmöglichen Behandlungsergebnisse oder die bestmögliche Versorgung zu den niedrigsten Kosten zu erreichen [Porter, 2010]. Studien haben gezeigt, dass Patienten, die ihren Gesundheitszustand besser verstehen, eine höhere Therapieakzeptanz und einen besseren Heilungsverlauf aufweisen. Gut informierte und eigenverantwortliche Patienten spielen daher eine Schlüsselrolle in einem modernen patientenzentrierten Gesundheitssystem.
Wesentliche Informationen über eine Krankheit und die entsprechende Therapie werden in einem medizinischen Patientenbericht festgehalten. Dieser Bericht dient den behandelnden Ärzten zur Dokumentation des Zustands des Patienten und dem Informationsaustausch mit anderen Ärzten. Im Allgemeinem ist ein Patientenbericht nicht dazu gedacht, dem Patienten Informationen zu vermitteln, weshalb eine hochspezialisierte medizinische Fachsprache verwendet wird. Um dem Patienten relevante Informationen zu übermitteln, ist ein Patientengespräch üblich. Die Qualität der Informationsübermittlung hängt von den Kommunikationsfähigkeiten des Arztes und des Patienten, der für das Gespräch zur Verfügung stehenden Zeit und dem psychischen Zustand des Patienten ab.
Die Verfügbarkeit elektronischer Gesundheitsakten (EHR) und das Aufkommen von Deep Learning (DL)-Technologien in der Sprachverarbeitung (NLP) ermöglichen eine semantische Analyse, um komplexe Inhalte in eine, für Patienten leicht verständliche Sprache zu übersetzen. Vor allem im deutschsprachigen, medizinischen Bereich sind DL-Techniken, aufgrund des Mangels an frei zugänglichen Daten, nicht einsetzbar. Dies ist vor allem auf strenge Datenschutzbestimmungen zurückzuführen. Ziel dieses Projekts ist die Vereinfachung deutschsprachiger klinischer Befunde mit Fokus Radiologie, um Patienten eine aktivere Rolle beim Management ihrer Gesundheit zu ermöglichen.
Abseits von radiologischen Befunden ist es wichtig, das Schema für die Extraktion von medizinischen Entitäten und deren Beziehungen zueinander auf andere medizinische Bereiche auszuweiten. Für die Generierung eines heterogenen, annotierten, medizinischen Datensatzes ist die Einbindung von Expertenwissen unabdingbar. Um den Aufwand für manuelles Labeling so gering wie möglich zu halten, ist die Entwicklung einer neuartigen, einfach zu bedienenden Open-Source-Applikation ein weiterer wesentlicher Punkt in diesem Projekt.
Ein weiteres wichtiges Ziel ist die Analyse, inwieweit vereinfachte medizinische Befunde Patienten in einem realen Szenario zur Verfügung gestellt werden können sowie die Akzeptanz diese Befunde. Zukünftig sollen einerseits bestehende Gesundheitsdienstleister mit dieser Technologie ausgerüstet werden und andererseits Patienten in der Lage sein, über eine Webanwendung ihre medizinischen Befunde selbständig übersetzen zu lassen.
- Projektleitung:
- Reishofer Gernot
- Laufzeit:
- 01.10.2022-07.02.2025
- Programm:
- FFG IKT der Zukunft
- Art der Forschung
- Grundlagenforschung
- Mitarbeiter*innen
- Reishofer, Gernot, Projektleiter*in
- Beger, Alexander Sebastian, Projektmitarbeiter*in
- Renner, Roland, Projektmitarbeiter*in
- Hassler, Eva Maria, Projektmitarbeiter*in
- Gunzer, Felix, Projektmitarbeiter*in
- Beteiligte MUG-Organisationseinheiten
- Klinische Abteilung für Neuroradiologie, vaskuläre und interventionelle Radiologie
- Universitätsklinik für Radiologie
- Gefördert durch
- Österreichische Forschungsförderungsgesellschaft mbH (FFG/mit peer review), Sensengasse 1, 1090 Wien, Österreich
- Publizierte Projektergebnisse
- > Information extraction from German radiological re... Sci Rep. 2023; 13(1): 2353
- > Reproducibility of artificial intelligence models ... Insights Imaging. 2022; 13(1):173
- > Active Learning Cycle for Information Extraction f... ECR Book of Abstracts, Insights into Imaging 13 (Suppl 4):205. 2022; 13: -ECR; 13-17 July, 2022; Vienna, AUSTRIA.