Loading
Medizinische Universität Graz   Hilfe

Meine Abschlussarbeiten - Publikationen

Diplomarbeit - Detailansicht
Wichtigste Meldungen anzeigenMeldungsfenster schließen
Bibliografische Informationen
 Identifikation laiensprachlicher Ausdrücke durch Methoden der künstlichen Intelligenz  
 Hintergrund: In welchem Ausmaß und mit welchen Methoden lässt sich maschinelles Lernen zur Identifikation laiensprachlicher Terme wie Einzelwörter, Komposita, kurze Nominalphrasen, die für eine umschriebene Bedeutung in einem Fachgebiet stehen, im Kontext von Medizin und Gesundheit anwenden? Die Fragestellung ist von Bedeutung, da die Unterteilung die Grundlage für die Anpassung klinischer Texte an Leser ohne medizinisches Fachwissen, sogenannte Laien, darstellt.
Methoden: Durch die adäquate Klassifizierung anhand von Annotationsrichtlinien sollten objektive Kriterien gefunden werden, um medizinische Terme in Experten- und Laienterme zu unterteilen. Der theoretische Kern der Arbeit besteht darin, ein geeignetes aktuelles Verfahren des maschinellen Lernens zu trainieren, welches gut zwischen sprachlichen Mustern unterscheiden und anhand derer medizinische Terme binär klassifizieren kann.
Ergebnis: Der verwendete Algorithmus (fastText) konnte Laien- von Expertentermen ohne Verwendung eines vortrainierten Sprachmodells mit einem F1-Score von 0,76 und unter Verwendung eines mit deutschen Texten vortrainierten Sprachmodells mit einem F1-Score von 0,75 unterscheiden. Hierzu war basierend auf den Annotationsrichtlinien ein Goldstandard erstellt worden (Cohens Kappa K = 0,71).
Diskussion: Indem Medizinterme automatisch als laiengerecht markiert werden, können medizinische AutorInnen bei der Erstellung patientengerechter Dokumente unterstützt werden. Des Weiteren kann ein durch den Algorithmus mit Information zur Laienverständlichkeit angereicherter Thesaurus in Anwendungen integriert werden, die das Lesen medizinischer Texte durch Laien erleichtern.
 
 künstliche Intelligenz; maschinelles Lernen; patientenfreundliche Dokumentation, Gesundheitsvokabular,  
 
 2021  
   Volltext downloaden
 Geschichte der Medizin
 Medizinische Computerwissenschaften
 Medizinische Dokumentation
Autorinnen*Autoren / Co-Autorinnen*Co-Autoren
  Reithofer, Nina
Betreuende Einrichtung / Studium
  Institut für Medizinische Informatik, Statistik und Dokumentation
 UO 202 Humanmedizin  
Betreuung / Beurteilung
  Schulz, Stefan; Univ.-Prof. Dr.med.
  Kreuzthaler, Markus Eduard; Ass.-Prof. Dipl.-Ing. Dr.scient.med.