BVMI e.V.
Logo vom BVMI e.V.

In den Jahren 1963 – 1969 haben sich in Deutschland zwei Personen erfolgreich mit der maschinellen Textverarbeitung in der Medizin auseinander gesetzt, Röttger in Frankfurt und Wingert in Hannover und Münster.

Röttger war Pathologe und wollte die Daten der Autopsieberichte, die Grundleiden, Einzelorganbefunde, histologische Befunde, Körper- und Organgewichte, Personalien und klinische Diagnosen umfassen, maschinell aufbereiten. In einem Arbeitskreis wurde deshalb seit 1963 von Röttger, Reul, Klein und Sunkel die Auswertung pathologisch-anatomischer Befundberichte mittels Klartextanalyse entwickelt. Dazu wurden die Berichte statt mit Schreibmaschine auf einem Flexowriter geschrieben, wobei gleichzeitig ein Lochstreifen produziert wurde, der dann automatisch (von einer IBM 1401) auf ein Magnetband übertragen wurde. Die Vorteile dieses Verfahrens lagen auf der Hand:

  • Die Dokumentation erfolgte ohne eine zusätzliche Belastung des Routinebetriebes.
  • Die gespeicherten Informationen konnten in beliebiger Form und Häufigkeit für statistische Auswertungen genutzt werden.

Anschließend wurden die Berichte mit Hilfe eines Thesaurus, der 1969 bereits ca. 38.000 Einheiten enthielt, von einem Computer verglichen und standardisiert [2-4, 5].

Das von Pratt [1] vorgestellte Verfahren zur Verarbeitung pathologisch-anatomischer Texte auf der Basis von SNOP (Systemized Nomenclature of Pathology) bewertete Wingert 1974 als sehr erfolgreich, machte aber darauf aufmerksam, dass eine Übertragung in die deutsche Sprache nicht ohne weiteres möglich sei [209]. Er verwies deshalb auf den Aufbau eines (sprachunabhängigen) Morphem-Dictionarys, das zu diesem Zeitpunkt ca. 7.000 Elemente und 256 morphosyntaktische Regeln für die Analyse enthielt [6].

Wingert beschäftigte sich nicht nur mit der reinen Übersetzung des SNOP sondern setzte die Klartextverarbeitung medizinischer Texte zur automatischen Codierung dieser Texte in SNOMED (Systemized Nomenclature of Medicine) ein [7].

Wingert benannte 1979 die Ziele der Klartextverarbeitung:

  • Unterstützung der ärztlichen Entscheidungsfindung,
  • Frage-Antwort-Systeme, in Form von Lehrprogrammen,
  • Arztbriefschreibung,
  • Automatische Übersetzung zwischen Sprachen und Klassifikationen,
  • Schätzung und Überwachung der Kosten für die Krankenversorgung,
  • Gewinnung von Hypothesen über Syndrome.

Probleme, diese Ziele zu erreichen, sah er vor allem darin, dass in der Medizin Standardisierungen in der Terminologie und gute Klassifikationen fehlten [8].