Medizinische Universität Graz Austria/Österreich - Forschungsportal - Medical University of Graz

Logo MUG-Forschungsportal

Gewählte Publikation:

Reithofer, N.
Identifikation laiensprachlicher Ausdrücke durch Methoden der künstlichen Intelligenz
Humanmedizin; [ Diplomarbeit ] Medizinische Universitaet Graz; 2021. pp. 46 [OPEN ACCESS]
FullText

 

Autor*innen der Med Uni Graz:
Betreuer*innen:
Kreuzthaler Markus Eduard
Schulz Stefan
Altmetrics:

Abstract:
Hintergrund: In welchem Ausmaß und mit welchen Methoden lässt sich maschinelles Lernen zur Identifikation laiensprachlicher Terme wie Einzelwörter, Komposita, kurze Nominalphrasen, die für eine umschriebene Bedeutung in einem Fachgebiet stehen, im Kontext von Medizin und Gesundheit anwenden? Die Fragestellung ist von Bedeutung, da die Unterteilung die Grundlage für die Anpassung klinischer Texte an Leser ohne medizinisches Fachwissen, sogenannte Laien, darstellt. Methoden: Durch die adäquate Klassifizierung anhand von Annotationsrichtlinien sollten objektive Kriterien gefunden werden, um medizinische Terme in Experten- und Laienterme zu unterteilen. Der theoretische Kern der Arbeit besteht darin, ein geeignetes aktuelles Verfahren des maschinellen Lernens zu trainieren, welches gut zwischen sprachlichen Mustern unterscheiden und anhand derer medizinische Terme binär klassifizieren kann. Ergebnis: Der verwendete Algorithmus (fastText) konnte Laien- von Expertentermen ohne Verwendung eines vortrainierten Sprachmodells mit einem F1-Score von 0,76 und unter Verwendung eines mit deutschen Texten vortrainierten Sprachmodells mit einem F1-Score von 0,75 unterscheiden. Hierzu war basierend auf den Annotationsrichtlinien ein Goldstandard erstellt worden (Cohens Kappa K = 0,71). Diskussion: Indem Medizinterme automatisch als laiengerecht markiert werden, können medizinische AutorInnen bei der Erstellung patientengerechter Dokumente unterstützt werden. Des Weiteren kann ein durch den Algorithmus mit Information zur Laienverständlichkeit angereicherter Thesaurus in Anwendungen integriert werden, die das Lesen medizinischer Texte durch Laien erleichtern.

© Med Uni Graz Impressum