Intelligente Patientenakte (iPA)

Projekttitel: Intelligente Patientenakte (iPA)

Projektdauer: 03/2024 – 07/2026

Forschungsbereich: Biowissenschaften und Medizin, Service und Transfer

Arztpraxen in Deutschland nutzen Praxisverwaltungssoftware (PMS), um die elektronischen Patientenakten (EHR) ihrer Patienten zu speichern. Die Anzahl der EHR-Dokumente pro Patient kann sehr groß sein – was Ärzte dazu zwingt, Suchfunktionen zur Informationsgewinnung zu nutzen. Im iPA-Projekt wollen wir die aktuelle EHR-Suchtechnologie durch die Einbindung einer semantischen Suche auf Basis von Wissensgraphen (KGs) optimieren. Indem wir das System mit medizinischem Kontextwissen ausstatten, wollen wir die Sucheffizienz steigern und damit die ambulante Gesundheitsversorgung verbessern.

Die Beiträge von ScaDS.AI konzentrieren sich auf

• die automatische Extraktion relevanter Informationen aus EHRs

• die Strukturierung dieser Informationen mithilfe eines auf medizinischen Ontologien und Terminologien basierenden KG

• die Übersetzung von Suchanfragen in natürlicher Sprache in eine Graphabfragesprache

Der Umfang des iPA-Projekts beschränkt sich ausdrücklich auf die Nutzung der Informationsgewinnung aus EHR-Dokumenten; das iPA-System bietet keine medizinische Beratung oder Entscheidungsunterstützung.

Ziele

Das Hauptziel dieses Projekts ist die Entwicklung eines Suchwerkzeugs für elektronische Patientenakten (EHR), das in Arztpraxen eingesetzt werden soll. Dazu entwickeln wir ein System, das wichtige medizinische Konzepte präzise identifizieren, miteinander in Beziehung setzen und die daraus resultierenden Informationen mithilfe einer medizinischen Wissensgrafik (KG) strukturieren kann.

Durch die Verknüpfung von EHR-Daten mit einer medizinischen Wissensgrafik wollen wir

• die Qualität der Suchergebnisse mithilfe semantischer Beziehungen verbessern

• den Zeitaufwand für das Auffinden gewünschter Informationen in EHR-Daten reduzieren

Problemstellung

Beim Erstkontakt muss der Arzt große Mengen an medizinischen Informationen aus der elektronischen Patientenakte (EPA) des Patienten auswerten. Dieser zeitaufwändige Prozess ist notwendig, damit sich der Arzt ein umfassendes Bild vom Gesundheitszustand des Patienten machen kann.

Auch bei Stammpatienten wird eine Suche in den EPA-Daten durchgeführt. Ärzte durchsuchen regelmäßig die Akten, um Diagnosen zu stellen und Behandlungspläne festzulegen. Daher ist es für Ärzte unerlässlich, auf ein hochwertiges Suchwerkzeug für die elektronische Patientenakte zugreifen zu können.

Technologie

Der iPA-Suchassistent stützt sich auf aktuelles medizinisches Wissen. Daher nutzen wir medizinische Terminologien (z. B. LOINC) und Ontologien (z. B. SNOMED CT) als Grundlage für unseren Wissensgraphen. Um dieses medizinische Wissen mit den Informationen aus der elektronischen Patientenakte (EHR) zu verknüpfen, entwickeln wir eine Pipeline zur Informationsextraktion unter Verwendung von Tools zur Verarbeitung natürlicher Sprache (NLP). Die Pipeline nutzt Methoden zur Extraktion benannter Entitäten und zur Verknüpfung von Entitäten, um Patientendaten aus der elektronischen Patientenakte in den Basis-Wissensgraphen zu integrieren.

Unser Wissensgraph wird mithilfe einer Graphdatenbank implementiert. Mit lokalen LLMs werden Abfragen in natürlicher Sprache in die Graphabfragesprache übersetzt und der Abrufpfad eines Ergebnisses in natürlicher Sprache erklärt.

Team

Teamleitung

Prof. Dr. Erhard Rahm

Universität Leipzig

Department of Computer Science, Datenbanken-Gruppe, Professur für Datenbanken

Dr. Christian Martin

Universität Leipzig

Institut für Informatik, Datenbank-Gruppe

Teammitglieder

Sarah Rockstroh

Universität Leipzig

Dr. Victor Christen

Partner

• InfAI e.V.
• IntraFind Software AG
• Mogic GmbH
• Tecont GmbH

Assoziierte Partner:

• German Medical Association (Hartmannbund)
• Evermind GmbH