gms | German Medical Science

49. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds)
19. Jahrestagung der Schweizerischen Gesellschaft für Medizinische Informatik (SGMI)
Jahrestagung 2004 des Arbeitskreises Medizinische Informatik (ÖAKMI)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie
Schweizerische Gesellschaft für Medizinische Informatik (SGMI)

26. bis 30.09.2004, Innsbruck/Tirol

Kombination von Bausteinen zur ähnlichkeitsbasierten Suche in elektronischen Multimedia-Patientenakten

Meeting Abstract (gmds2004)

Suche in Medline nach

  • corresponding author presenting/speaker Michael Springmann - UMIT - Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik, Innsbruck, Österreich
  • Hans-Jörg Schek - UMIT - Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik, Innsbruck, Österreich
  • Heiko Schuldt - UMIT - Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik, Innsbruck, Österreich

Kooperative Versorgung - Vernetzte Forschung - Ubiquitäre Information. 49. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 19. Jahrestagung der Schweizerischen Gesellschaft für Medizinische Informatik (SGMI) und Jahrestagung 2004 des Arbeitskreises Medizinische Informatik (ÖAKMI) der Österreichischen Computer Gesellschaft (OCG) und der Österreichischen Gesellschaft für Biomedizinische Technik (ÖGBMT). Innsbruck, 26.-30.09.2004. Düsseldorf, Köln: German Medical Science; 2004. Doc04gmds037

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2004/04gmds037.shtml

Veröffentlicht: 14. September 2004

© 2004 Springmann et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Bestandteile von multimedialen Patientenakten

Bei der Behandlung von Patienten fallen immer mehr Daten an, die sich nur unzureichend durch reine Textdarstellung repräsentieren lassen. Hierzu zählen neben Röntgen-, CT-, MR- oder Sonographie-Aufnahmen auch Videodaten aus Endoskopien und Zeitreihen oder Werte, wie sie bei der kontinuierlichen Messung von Puls, Blutdruck, Temperatur, Sauerstoffsättigung aber auch EKG und EEG erzeugt werden. All diese verschiedenen Daten stellen Bestandteile der multimedialen Patientenakte dar. Neben dem Speichern und Bearbeiten der Daten sind jedoch vor allem das Wiederauffinden und die Darstellung der Information zentrale Aufgaben.

Dabei muss sowohl die exakte Suche (z.B. Zugriff auf die Akte eines eindeutig identifizierten Patienten) als auch die ähnlichkeitsbasierte Suche ermöglicht werden. Ein Röntgenarzt in der Ausbildung möchte beispielsweise überprüfen, ob seine Diagnose plausibel ist. Dazu benötigt er Zugriff auf Fachliteratur, aber auch Aufnahmen aus Krankenakten anderer Patienten, die eine gewisse Ähnlichkeit zu seinem aktuellen Fall aufweisen. Dies schließt ein, dass er an Aufnahmen interessiert ist, bei denen eine übereinstimmende bzw. ähnliche Diagnose gestellt wurde. Ebenso interessiert er sich auch für Fälle, die dem seines Patienten gleichen (die insbesondere ähnliche Bilder und ähnliche/übereinstimmende Krankheitssymptome aufweisen), bei denen jedoch die Diagnose abweicht.

In diesem kurzen Beispiel wird deutlich, dass mehrere Bausteine aus verschiedenen Bereichen an der Lösung der Aufgabe beteiligt sind: Zum einen müssen charakteristische Merkmale aus dem Röntgenbild, welches dem Arzt vorliegt, extrahiert werden. Diese können dann mit den Merkmalen der im RIS verwalteten Röntgenbilder verglichen werden, um darauf aufbauend nach ähnlichen Bildern zu suchen. Zum anderen ist gleichzeitig eine Ähnlichkeitssuche über die im KIS in kodierter Form (z.B. ICD) oder als Freitext vorliegenden Diagnosen von Patienten mit vergleichbaren Symptomen nötig. Weitere Bausteine führen die Einzelresultate zu einem gewichteten Gesamtergebnis zusammen, präsentieren dieses und ermöglichen die Interaktion mit dem Benutzer.

Anforderungen an die ähnlichkeitsbasierte Suche

Für die ähnlichkeitsbasierte Suche sind folgende Probleme zu lösen: i.) für jedes der existierenden Systeme, in dem Teile der elektronischen Patientenakte verwaltet werden, sind geeignete Schnittstellen für den Datenzugriff nötig, ii.) es müssen spezielle Bausteine und Dienste zur Unterstützung von Teilaufgaben der Anfrage existieren (z.B. Thesauri, Merkmalsextraktoren für Bilder oder Dienste zur Formattransformation), iii.) der Anwender muss diese Bausteine anfragespezifisch kombinieren können, iv.) dies muss über eine leicht erlern- und benutzbare Oberfläche geschehen möglich sein, v.) geeignete grafische Darstellungen der Ergebnisse werden benötigt, sowie vi.) die Möglichkeit, über Relevanz-Feedback die Suche iterativ zu verfeinern.

Der erste Problembereich, der Zugriff auf Datenquellen, wird in der Regel über standardisierte Schnittstellen wie z.B. HL7 von den meisten gängigen Spezialanwendungen unterstützt. Organisatorische und rechtliche Aspekte einer institutions-übergreifenden Nutzung werden in [1] angesprochen. Ebenso stehen für ausgewählte Teilprobleme der Suche bereits verschiedene anwendungsspezifische Bausteine zur Verfügung. Beispiele hierzu sind der Metathesaurus UMLS (Unified Medical Language System) oder auch Spezialalgorithmen aus der Bildverarbeitung, u.a. zur Segmentierung und Größenerkennung von Tumoren [2]. Für die ähnlichkeitsbasierte Suche werden jedoch noch Bausteine zur Visualisierung der Resultate und Feedback benötigt sowie eine Benutzerschnittstelle zur Kombination der Bausteinen.

Verwendung von Workflow-Technologie für die Suche

Einen flexiblen Ansatz zur Modellierung der beschriebenen Suchanfragen stellen Workflows bzw. Prozesse dar. Diese erlauben die Entwicklung von Anwendungen durch die Kombination existierender Bausteine und Dienste (auch „Megaprogrammierung" genannt). So lässt sich aus unabhängigen Bausteinen wie Merkmalsextraktion, Ähnlichkeitsbewertung, Visualisierung und Benutzerinteraktion ein spezieller Suchprozess erzeugen, der die Anforderungen des Arztes abdeckt (siehe [Abb. 1]).

Insbesondere lassen sich Teilaspekte der Suche (hier: Zugriff auf Thesauri und Bildähnlichkeitssuche) als parallele Abschnitte eines Prozesses definieren und mit unterschiedlichen Gewichten versehen. Mit Hilfe geeigneter grafischer Hilfsmittel kann der Anwender die Prozessdefinition und damit die spätere Abarbeitung beeinflussen, indem er beispielsweise die Gewichtung verändert oder neue Bausteine gemäß seiner individuellen Anforderungen auswählt. Auf der Grundlage von Workflows lassen sich somit komplexe Recherchen realisieren, die in heutigen KIS-Anwendungen nicht möglich sind.

Die Herausforderungen an die ähnlichkeitsbasierte Suche in elektronischen Multimedia-Patientenakten werden derzeit auf Basis des an der ETH Zürich entwickelten ISIS-Prototypsystems [3] realisiert. ISIS bietet bereits die Möglichkeit, Suchprozesse grafisch zu spezifizieren und auch auszuführen [4] sowie die Unterstützung der kombinierten Suche über Text [5]-, Ton- und Videoinformationen. In ISIS werden Datenstrukturen und Zugrifftechniken verwendet, die eine effiziente Ähnlichkeitssuche auch für komplexe Anfragen in umfangreichen Multimediadatensammlungen ermöglichen [6]. Ebenso wurde bereits die Anbindung des im klinischen Umfeld verbreiteten Kommunikationsservers Cloverleaf realisiert [7].

Die Erweiterung des Systems beinhaltet die Bereitstellung neuer Bausteine für die Suche sowie die Anpassung an die speziellen Anforderungen an die Suche in Multimedia-Patientenakten. Bisher werden z.B. Bildähnlichkeitsmerkmale verwendet, die zu großen Teilen auf Farbverteilungen basieren und sich daher nicht auf Graustufen-Röntgenbilder anwenden lassen. Auch müssen eingangs erwähnte Datenformate wie CT-Aufnahmen und Zeitreihen oder aber spezielle Kodierungen wie ICD, DRG, SNOMED, MeSH etc. in das System eingebunden werden. Eine weitere Herausforderung besteht darin, dass in medizinischen Anwendungen „Ähnlichkeit" für einzelne Anwendungsfälle recht unterschiedlich definiert sein kann. So existieren zu Beispiel für einen Oberschenkelhalsfraktur verschiedene Klassifikationen (nach Pauwel oder nach Garden), die auch zu einem unterschiedlichen Verständnis des Begriffs Ähnlichkeit führen. Auch gibt es Erkrankungen, bei denen das Geschlecht bzw. Alter von Patienten unerheblich ist, während dies bei anderen entscheidend sein kann und daher bei der Ähnlichkeitssuche berücksichtigt werden muss.

Zusammenfassung

In KIS werden zunehmend multimediale Daten verwaltet. Ähnlichkeitsbasierte Recherchemöglichkeiten in multimedialen elektronischen Patientenakten werden nicht oder nur ungenügend unterstützt. Mit Hilfe geeigneter Bausteine lassen sich Teilaufgaben der ähnlichkeitsbasierten Suche modular lösen. Durch die Verwendung von Workflow-Technologie können diese Bausteine anfragespezifisch kombiniert werden. Bausteine zusammen mit Workflows bzw. Prozessen bieten daher die Grundlage für die Realisierung komplexer Suche in multimedialen Patientenakten.


Literatur

1.
Schabetsberger T, Haux R, Hirsch B, Kaloczy C, Lechleitner G, Schindelwig K, et al. A patient-centered telemedicine strategy to support shared care in the Tyrol. Proc. of The New Navigators: from Professionals to Patients 2003; St. Malo, France. Rennes, France: Faculté de medicine; 2003.
2.
Clark MC, Hall LO. Automatic Tumor Segmentation Using Knowledge-Based Techniques. In: van Bemmel JH, McCray AT, editors. 2000 IMIA Yearbook of Medical Informatics. Stuttgart: Schattauer; 2000. p. 297-310
3.
Schek HJ, Schuldt H, Schuler C, Weber R. Infrastructure for Information Spaces. ADBIS: Proc. of 6th East-Eur Conf. on Advances in Databases and Information Systems. Bratislava, Slovakia: 2002
4.
Schuler C, Weber R, Schuldt H, Schek HJ. Peer-to-Peer Process Execution with OSIRIS. Proceedings of 1th International Conference On Service Oriented Computing. Trento, Italy: 2003
5.
Mlivoncic M, Böhm K, Weber R. Ähnlichkeitsanfragen unter Verwendung von Bildmerkmalen und Text. 14. GI-Workshop "Grundlagen von Datenbanken". Fischland/Darß, Deutschland 2002
6.
Böhm K, Mlivoncic M, Schek HJ, Weber R. Fast Evaluation Techniques for Complex Similarity Queries. In: VLDB 2001: Proc. of 27th Int. Conf. On Very Large Databases. Rome, Italy: 2001
7.
Schuler C, Schuldt H, Schek HJ. Transactional Execution Guarentees for Data-Intensive Processes in Medical Information Systems. In: EWGLP'2000: Proceedings of the 1st Europeen Workshop on Computer-based Support for Clinical Guidelines and Protocols. Leipzig, Germany: 2000