gms | German Medical Science

53. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

15. bis 18.09.2008, Stuttgart

Ontologieentwurf und Metrik für eine Semantic-Web-Repräsentation medizinischer Wissensstrukturen für Zweitmeinungsszenarien in der radiologischen Diagnostik

Meeting Abstract

  • Thorsten Schaaf - Institut für Medizinische Informatik, Charité-Universitätsmedizin Berlin, Berlin, Deutschland
  • Björn Bühring - Institut für Medizinische Informatik, Charité-Universitätsmedizin Berlin, Berlin, Deutschland
  • Holger Kunz - Institut für Medizinische Informatik, Charité-Universitätsmedizin Berlin, Berlin, Deutschland
  • Joachim Hohmann - Radiologie des Universitätsspitals, Basel, Schweiz
  • Anja Oldenburg - Klinik und Hochschulambulanz für Radiologie und Nuklearmedizin, Charité-Universitätsmedizin, Berlin, Deutschland
  • Hans Tepe - Klinik und Hochschulambulanz für Radiologie und Nuklearmedizin, Charité-Universitätsmedizin, Berlin, Deutschland
  • Rafael Poschmann - Klinik und Hochschulambulanz für Radiologie und Nuklearmedizin, Charité-Universitätsmedizin, Berlin, Deutschland
  • Tomi Pudas - Klinik für Diagnostische Radiologie, Universität Turku, Turku, Finnland
  • Karl-Jürgen Wolf - Klinik und Hochschulambulanz für Radiologie und Nuklearmedizin, Charité-Universitätsmedizin, Berlin, Deutschland
  • Thomas Tolxdorff - Institut für Medizinische Informatik, Charité-Universitätsmedizin Berlin, Berlin, Deutschland

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 53. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Stuttgart, 15.-19.09.2008. Düsseldorf: German Medical Science GMS Publishing House; 2008. DocMI4-4

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2008/08gmds120.shtml

Veröffentlicht: 10. September 2008

© 2008 Schaaf 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

Einleitung und Fragestellung

In der diagnostischen Routine werden häufig Zweitmeinungen benötigt, um die Qualität der erstellten Diagnosen zu erhöhen. Die Problematik besteht darin, dass der Kreis potentieller Meinungsgeber innerhalb der eigenen Klinik eher sehr klein ist, und darüber hinaus keine objektivierbaren Informationen vorliegen, anhand derer entscheidbar wäre, ob der gewählte Arzt ein ausgewiesener Experte für die spezialisierte Anfrage ist. Die Frage ist also offen, wie sich potentielle Wissensträger mittels eines IT-gestützten Systems, unter Einbeziehung bereits verfügbarer, klinischer Informationssysteme, identifizieren lassen. Die zugrunde gelegte Metrik für den automatisiert generierten Vorschlag muss nachvollziehbar sein, um bei den Nutzern Akzeptanz durch Transparenz zu gewährleisten. Ein Lösungsansatz, der lokale Kliniksysteme auf internationaler Ebene zu korrelieren versucht, hat zu berücksichtigen, dass üblicherweise die verfügbaren Informationen beziehungsweise Diagnosen und Befunde, in der jeweiligen Landessprache verfasst sind.

Material und Methoden

Wesentliches Merkmal des hier vorgestellten Entwurfs ist die Erfassung der Eigenschaften und Relationen in Form einer Ontologie, spezifiziert in einer standardisierten Beschreibungssprache, die für die automatisierte Verarbeitung über das Internet verteilter Applikationen ausgelegt ist. Eine Ontologie im Sinne der Informatik beschreibt die Bedeutung der verwendeten Begrifflichkeiten und deren Zusammenhänge untereinander und findet auch in der Beschreibung medizinischer Domänen zunehmend Verbreitung [1], [2]. Wir ziehen den Standard OWL (Web Ontology Language) zur Beschreibung der Ontologie heran. Das Klassifikationssystem ICD (International Code of Diseases) ist in über 42 Landessprachen verfügbar. Methodisch nutzen wir diese Tatsache, um eine bijektive Abbildung der Informationen aus den jeweiligen nationalen Informationssystemen zu erreichen, der ICD-10-Standard dient somit als Brückenglied zwischen den in der jeweiligen Landessprache verfassten Befunden der Radiologie Information Systeme (RIS).

Die vom RIS bereitgestellte Verknüpfung zwischen einem freigegebenen Befund und den Personendaten des Erstellers geht zusammen mit einer spezifischen Gewichtung in die Ontologie ein, aus der sich schließlich, basierend auf einer anwendungsspezifischen Metrik, automatisiert Vorschläge für potentielle Experten für eine konkrete diagnostische Fragestellung generieren lassen.

Ergebnisse

Im Rahmen einer Systemanalyse wurden die drei in Tabelle 1 [Tab. 1] dargestellten Informationsklassen identifiziert, die für die Beschreibung der Wissensdomäne relevant sind.

Die für die Beschreibung der Ontologie relevanten Beziehungen sind aus dem Entity-Relationship-Diagram (Abbildung 1 [Abb. 1]) ersichtlich.

Alle Klassen, wie in Abbildung 1 [Abb. 1] vorgestellt, sind in einem OWL-Dokument definiert und über eine XML-Parser-Engine gezielt für die Auswertung adressierbar.

Die zugrunde gelegte Metrik für den automatisiert generierten Vorschlag zur Auswahl eines Zweitmeinungsgebers ist wie folgt definiert:

Gegeben sei ein Experte durch seinen Datenvektor Formel 1:

Formel 2

Jede Komponente des Vektors repräsentiert eine Eigenschaft des Experten.

Definiert sei die Menge E der vorhandenen m-Experten:

Formel 3

Es existiert die Funktion ƒ, die den Expertenvektor e zu einem Skalar s überführt:

Formel 4

Das allgemeine Auswahlkriterium zielt auf die Maximierung des Bewertungsergebnisses:

Formel 5

Unter Hinzunahme von Randbedingungen existiert eine konkrete Auswahlfunktion ƒ bestehend aus der Bewertungsfunktion b, und der Gewichtungsfunktion w. Der Wertebereich liegt zwischen 0 und 1.

Formel 6 mit der Bedingung Formel 7

Die Funktion Formel 8 überführt den Datenvektor Formel 1 in einen Analysevektor. Dieser bildet eine Bewertung der einzelnen Komponenten, beispielsweise wie viele Tage vergangen sind seit der Experte eine Diagnose erstellt hat, die der aktuell gesuchten Diagnose entspricht, die Regelmäßigkeit der erstellten Diagnostik, sowie die aktuelle Auslastung des Experten mit Zweitmeinungsanfragen.

Diskussion

Der Ontologie-Entwurf wurde in Abstimmung mit den Kliniken in Berlin (DE),

Basel (CH) und Turku (FI) entwickelt. Eine prototypische Ankopplung an das Radiologie-Informationssystem wurde in Berlin realisiert und ist in der Schweiz und Finnland in Vorbereitung. Basierend auf dieser Ontologie und Metrik soll die internationale Zusammenarbeit durch den gezielten, automatisierten Vorschlag eines Experten gestärkt werden.


Literatur

1.
Heller B, Herre H, Lippoldt K, Löffler M. 2004. Standardized Terminology for Clinical Trial Protocols Based on Ontological Top-Level Categories. In: Kaiser, K., Miksch, S., Tu, S.W. (eds.) Computer-based Support for Clinical Guidlines and Protocols, Vol.101. Amsterdam: IOS-Press.
2.
Degen W, Heller B, Herre H, Smith B. 2001. GOL: A General Ontological Language. In: Welty C., Smith B., Proc. of the Int. Conference on Formal Ontology in Information Systems, Ogunquit. p. 34-46.