NLP4TC: Natural Language Processing for Tumor Classification
Auf einen Blick
- Projektleiter/in : Prof. Dr. Mark Cieliebak
- Projektteam : Rita Achermann
- Projektvolumen : CHF 16'000
- Projektstatus : abgeschlossen
- Drittmittelgeber : Bund (Swiss Personalized Health Network SPHN)
- Projektpartner : Universitätsspital Basel
- Kontaktperson : Mark Cieliebak
Beschreibung
Eingangs-, Entladungs-, Radiologie- und Pathologieberichte und
andere klinische Dokumente sind eine wertvolle Ressource, die für
Erfolge in der Präzisionsmedizin vewerdet werden können. Sie werden
aber typischerweise in einem Freitextformat gespeichert, es wird
nur wenig Struktur vorgegeben und die Terminologie ist
heterogen.
Wir implementieren Algorithmen aus den Bereichen Natural Language
Processing (NLP), maschinelles Lernen und statistische Analysen ,
um automatisch relevante Informationen in dititalisierten
medizinischen Berichten zu finden und zu extrahieren. Diese
Technologien wenden wir am konkreten Beispiel der Extraktion
standardisierter Informationen aus radiologischen und
pathologischen Berichten zur Tumorklassifikation an.
Unser Ziel ist es, computergestützte Methoden so zu entwickeln,
dass Konzepte der Systematischen Nomenklatur der Medizin Klinische
Begriffe (SNOMED-CT) und die Tumorklassifikation nach dem
TNM-System für eine große Sammlung von radiologischen und
pathologischen Berichten automatisch abgeleitet werden können.