German Medical Knowledge Guide – Prozessorientierte automatisierte Analyse großer Textkorpora

Sowohl für Patienten als auch für Ärzte und Entscheidungsträger der Verbände und in der Politik ist die Identifikation von medizinischen Experten mit vertretbarem Aufwand und auf der Basis vergleichbarer und transparenter Kriterien nicht möglich. Für Patienten stellen dabei Mund-zu-Mund- Propaganda, intransparente und tlw. zweifelhafte »Ratings« in Publikumszeitschriften den üblichen Lösungsweg dar. Ärzte, Funktionäre und Politiker verlassen sich in dieser Situation im Wesentlichen auf gewachsene Kollegennetzwerke. So unterschiedlich die Motivation für die Suche nach ausgewiesenen Experten im Einzelfall ist, lassen alle drei Lösungsstrategien ein operatives Kriterium für »Expertise« und damit ein transparentes Verfahren der Suche vermissen. In dieser Situation stellt die Entwicklung handhabbarer Kriterien für Expertise und deren operative Umsetzung in Recherchesysteme einen notwendigen Schritt dar.

Auf der anderen Seite steht mit den wissenschaftlichen Veröffentlichungen in den Bereichen Medizin und Life-Sciences, wie sie z.B. in PubMed verfügbar sind, ein umfassender Datenpool vor. Dieser kann, mit nur unerheblichen Einschränkungen, als vollständige Dokumentation der abgeschlossenen und eingeschränkt auch der aktuell laufenden wissenschaftlichen Arbeiten angesehen werden. Dieser Datenpool kann somit als Grundlage für den Nachweis von medizinischen Experten dienen, wenn es gelingt, ihn mit vertretbarem Aufwand und in hoher Qualität zu analysieren.

Die Nutzung von Analysen großer Korpora ist dabei nicht trivial, da sie zwar bei präzisen Fragestellungen belastbare Ergebnisse hinsichtlich der Dokumentenlage liefern, nicht aber den Nutzungskontext, also die Verwendung der Ergebnisse in Kommunikations- und Entscheidungsprozessen berücksichtigen. Damit fehlt jedoch die dynamische Komponente der Nutzungsprozesse, die wesentlich den Wert der Textanalysen bestimmt.