gms | German Medical Science

Einleitung und Fragestellung: Die medizinische Forschung erlebt seit Jahren einen rasanten Anstieg an Wissen. Für Mediziner wird es dementsprechend immer aufwendiger bzw. unmöglich, alle relevanten wissenschaftlichen Beiträge zu finden und zu lesen. Diese Datenflut stellt eine Herausforderung für Ärztinnen und Ärzte dar, die versuchen ihren PatientInnen eine qualitativ hochwertige Betreuung am Stand des Wissens zu bieten [1]. Als State of the Art in der medizinischen Betreuung von PatientInnen gilt heute die Evidenz basierte Medizin (EbM). Diese beinhaltet das systematische Durchsuchen von wissenschaftlicher und medizinischer Literatur, die Identifikation und Evaluierung von relevanten Suchergebnissen und die Verwendung der Resultate, um klinische Entscheidungen zu treffen [2]. Zurzeit verfügbare Suchmaschinen für medizinische Literaturdatenbanken sind meist auf eine Schlagwortsuche beschränkt. Die oft zahlreichen Suchergebnisse für eine Anfrage lassen sich dabei nur nach Kriterien wie Titel oder Publikationsdatum sortieren. Eine Reihung, welche Qualitätskriterien der durchsuchten Publikationen berücksichtigt, ist mit den existierenden Suchmaschinen jedoch nicht möglich. Der Information Retrieval Prozess in diesem Bereich basiert weitgehend auf der händischen Suche durch medizinische Spezialisten. Unsere Zielsetzung war es daher, ein Tool zu entwickeln, welches das Auffinden relevanter Dokumente erleichtert, indem für das Ranking der Suchergebnisse qualitative Merkmale berücksichtigt werden.

Material und Methoden: Die wichtigsten Inhalte relevanter Publikationen werden in einer lokalen Datenbank gespeichert. Neben strukturierten Informationen wie Titel, Autoren, Publikationsdatum, Journal, usw., werden auch die dazugehörigen Abstracts importiert. Als primäre Datenquelle dient dabei die Anbindung an Pubmed/Medline. Da das Hauptaugenmerk auf klinischen Studien liegt, wurde auch die International Clinical Trials Registry Platform (ICTRP) der WHO angebunden. Damit wird der Zugriff auf zusätzliche strukturierte Daten zur Validierung der Publikationen geschaffen. Als weiteres Qualitätsmaß werden die Einflussfaktoren der Journals berücksichtigt. Um die Relevanz und Qualität von Dokumenten beurteilen zu können, werden mit Hilfe von Text Mining Tools zusätzliche Merkmale aus den Abstracts extrahiert. Aus der Datenmenge gewonnene Metainformationen und Features werden schließlich für die Schätzung der Qualität, sowie der Relevanz auf eine Suchanfrage herangezogen.

Ergebnisse: Das resultierende Produkt ist ein Informationssystem für die automatisierte Beantwortung von Fragen im medizinischen Bereich. Als User Interface wurde eine Web Applikation erstellt. Diese erlaubt die Eingabe einer Suchanfrage sowie verschiedener Filterkriterien und liefert eine Liste gefundener Publikationen geordnet nach Relevanz und Qualität. Über die Detailansicht eines Ergebnisses können BenutzerInnen selbst ein Feedback über die Qualität der Publikation sowie die Relevanz zur Suchanfrage geben. Diese Dokumentbewertungen werden in der Datenbank gespeichert und sollen in weiterer Folge in die Verbesserung des Scoring-Algorithmus einfließen.

Diskussion: Die Suche und Beurteilung wissenschaftlicher Artikel über klinische Studien stellt sich in der Praxis als zeitaufwendig und mühsam dar. Die Anzahl der Resultate von Suchanfragen ist oft riesig und das Einschränken mit Hilfe von Filtern bringt den Nachteil, dass man mitunter auch relevante Publikationen aus der Ergebnisliste ausgrenzt. Das entwickelte Tool bietet durch die Berücksichtigung qualitativer Merkmale eine neue Methode zum schnellen Auffinden aussagekräftiger Studien. Die weiteren Ziele sind die Einbindung zusätzlicher Primärdatenquellen, sowie die Einbeziehung des Userfeedbacks zur iterativen Verbesserung des Bewertungsalgorithmus mittels Verfahren der heuristischen Optimierung und des Maschinellen Lernens.