Big Data, medizinische Sprache und biomedizinische Ordnungssysteme

Zusammenfassung

Eine Vielzahl umfangreicher begrifflicher Ordnungssysteme wie Thesauren, Klassifikationen, Nomenklaturen und Ontologien unterstützt die Informations- und Wissensverarbeitung in Gesundheitsversorgung und biomedizinischer Forschung. Dennoch ist nach wie vor die menschliche Sprache in Form individuell verfasster Texte primärer Träger von Information – sowohl bei der Beschreibung von Krankheits- oder Behandlungsverläufen in elektronischen Krankenakten als auch bei der Beschreibung biomedizinischer Forschungsergebnisse in wissenschaftlichen Publikationen. Im Zusammenhang mit der Big-Data-Diskussion stellen wir die These auf, dass die Abstraktion von der Vielgestaltigkeit natürlichsprachlicher Äußerungen hin zu strukturierter und semantisch normalisierter Information den Einsatz von statistischen Methoden der Wissensakquisition aus textuellen Forschungs-/Behandlungsdaten erleichtert. Dazu können Technologien zur computergestützten Verarbeitung menschlicher Sprache eingesetzt werden. Diese sind zunehmend in der Lage, medizinische Texte mit Kodes aus biomedizinischen Ordnungssystemen zu annotieren. Allerdings hängt dies in hohem Maße von linguistischen und terminologischen Ressourcen ab. Die Erstellung und Pflege solcher Ressourcen ist arbeitsintensiv. Es gibt schlüssige Hinweise darauf, dass auch hierfür Big-Data-Methoden unterstützend eingesetzt werden können. Beispiele sind das Erlernen von hierarchischen Beziehungen, die Gruppierung synonymer Terme in Konzepte und die Disambiguierung von Homonymen. Auch wenn bisher keine empirischen Daten vorliegen, erscheint die Kombination von natürlichsprachlichen Technologien, semantischen Ressourcen und Big-Data-Analytics vielversprechend.

Abstract

A variety of rich terminology systems, such as thesauri, classifications, nomenclatures and ontologies support information and knowledge processing in health care and biomedical research. Nevertheless, human language, manifested as individually written texts, persists as the primary carrier of information, in the description of disease courses or treatment episodes in electronic medical records, and in the description of biomedical research in scientific publications. In the context of the discussion about big data in biomedicine, we hypothesize that the abstraction of the individuality of natural language utterances into structured and semantically normalized information facilitates the use of statistical data analytics to distil new knowledge out of textual data from biomedical research and clinical routine. Computerized human language technologies are constantly evolving and are increasingly ready to annotate narratives with codes from biomedical terminology. However, this depends heavily on linguistic and terminological resources. The creation and maintenance of such resources is labor-intensive. Nevertheless, it is sensible to assume that big data methods can be used to support this process. Examples include the learning of hierarchical relationships, the grouping of synonymous terms into concepts and the disambiguation of homonyms. Although clear evidence is still lacking, the combination of natural language technologies, semantic resources, and big data analytics is promising.