25gmds014 10.3205/25gmds014 urn:nbn:de:0183-25gmds0141 Meeting Abstract Hüsing Hüsing Johannes J

Landeskrebsregister Nordrhein-Westfalen gGmbH, Bochum, Germany

author Kajüter Kajüter Hiltraud H

Landeskrebsregister Nordrhein-Westfalen gGmbH, Bochum, Germany

author Oesterling Oesterling Florian F

Landeskrebsregister Nordrhein-Westfalen gGmbH, Bochum, Germany

author Staffa Staffa Anna-Lena AL

Landeskrebsregister Nordrhein-Westfalen gGmbH, Bochum, Germany

author Berszinski Berszinski Alexander A

Landeskrebsregister Nordrhein-Westfalen gGmbH, Bochum, Germany

author Voigt Voigt Mareike M

Landeskrebsregister Nordrhein-Westfalen gGmbH, Bochum, Germany

author Stang Stang Andreas A

Landeskrebsregister Nordrhein-Westfalen gGmbH, Bochum, Germany

author German Medical Science GMS Publishing House

Düsseldorf

610 Krebsregister Sprachverarbeitung Natural Language Processing 20251103 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0631 014 Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie 70. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS) V: Cancer epidemiology Jena 20250907 20250911 Abstr. 218 TextDas Krebsregister Nordrhein-Westfalen adoptiert Techniken, die automatische Sprachverarbeitung (natural language processing) nutzt, um strukturierte Daten aus Fließtexten, hier pathologischen Berichten, zu extrahieren. Wir setzen Fremdanbieter-Software ein, die auf medizinische Terminologie zugeschnitten ist. Bevor wir den Arbeitsablauf ändern, muss er geprüft werden.Alle Pathologie-Berichte über im Jahr 2019 neu diagnostizierte Tumoren wurden herangezogen. Als Goldstandard behandeln wir die manuellen Kodierungen aller Pathologie-Berichte zu TNM-Klassifikation, Residualgewebe, Grading, Morphologie inklusive Dignität, Topographie und Lateralität. Wir gruppierten die automatisch erzeugten Befunde nach dreistelligem ICD-10-Code und entwickelten Regelsätze für die Übernahme von NLP-Daten für jede dieser Tumorentitäten. Als graphische Veranschaulichung dienen Fluctuation Plots, Häufigkeiten über Automatisierte Befunde wurden übernommen, wenn der positive Vorhersagewert bei mindestens 95% liegt. Da den NLP-Resultaten ein „Konfidenzscore“ für die ICD-O3-Variablen beigefügt wird, können Untermengen gebildet werden, für die der Konfidenzscore eine Schwelle überschreitet und innerhalb derer der Übereinstimmungsgrad auf über 95 gehoben werden kann.Insgesamt 172352 Pathologie-Berichte wurden an das Krebsregister gesandt. Für die folgenden Tumorentitäten wurden Regelsätze vereinbart und als Beschlussvorlagen verabschiedet: C44 (nichtmelanotische Hautkrebs), C50 (Brustkrebs), C61 (Prostatakrebs), C34 (Bronchialkarzinom), C18-20 (Kolorektalkarzinome), C43 (Hautmelanome), D05 (Mammakarzinom in situ), C25 (Magenkrebs), C67 (Harnblasenkrebs) and D06 (Gebärmutterkrebs in situ) mit einer Gesamtzahl von 113632 Reports. Hiervon konnten 57118 NLP-generierte Einträge übernommen werden. Der Umfang der automatisch übernommenen Einträge hängt stark von der Tumorentität und dem kodierten Merkmal ab. Insbesondere beim Grading wird ein positiver Vorhersagewert von 95% selten erreicht.Transparenz über die Datenquelle und die Treffsicherheit der Methode ist grundlegend, da abhängig von der Forschungsfragestellung verschiedene Genauigkeit vonnöten ist. Beim Abarbeiten der Regelsätze nach Häufigkeit der Tumorentitäten macht sich ein abnehmender Grenznutzen bemerkbar, sodass seltene Tumoren nach wie vor händisch kodiert werden müssen.Die Autoren geben an, dass kein Interessenkonflikt besteht.Die Autoren geben an, dass kein Ethikvotum erforderlich ist.Der Beitrag wurde bereits publiziert: Lee DH Kim B Lee ES Kim HJ Min JH Lee JM Radiologic Evaluation and Structured Reporting Form for Extrahepatic Bile Duct Cancer: 2019 Consensus Recommendations from the Korean Society of Abdominal Radiology 2021 Korean J Radiol 41 Lee DH, Kim B, Lee ES, Kim HJ, Min JH, Lee JM, et al. Radiologic Evaluation and Structured Reporting Form for Extrahepatic Bile Duct Cancer: 2019 Consensus Recommendations from the Korean Society of Abdominal Radiology. Korean J Radiol. 2021;22(1):41. Alawad M Yoon HJ Tourassi GD Coarse-to-Fine Multi-Task Training of Convolutional Neural Networks for Automated Information Extraction from Cancer Pathology Reports 2018 IEEE EMBS International Conference on Biomedical & Health Informatics (BHI); 2018 Mar 4-7; Las Vegas, Nevada, USA 218–21 Alawad M, Yoon HJ, Tourassi GD. Coarse-to-Fine Multi-Task Training of Convolutional Neural Networks for Automated Information Extraction from Cancer Pathology Reports. In: 2018 IEEE EMBS International Conference on Biomedical & Health Informatics (BHI); 2018 Mar 4-7; Las Vegas, Nevada, USA. p. 218–21. Available from: https://www.osti.gov/servlets/purl/1435267 https://www.osti.gov/servlets/purl/1435267 Moons KGM Harrell FE Sensitivity and Specificity should be De-emphasized in Diagnostic Accuracy Studies 2003 Acad Radiol 670–2 Moons KGM, Harrell FE. Sensitivity and Specificity should be De-emphasized in Diagnostic Accuracy Studies. Acad Radiol. 2003 Jun;10(6):670–2. Wickham H Hofmann H Product plots 2011 IEEE Trans Vis Comput Graph 2223–30 Wickham H, Hofmann H. Product plots. IEEE Trans Vis Comput Graph. 2011 Dec;17(12):2223–30. Goulart BHL Silgard ET Baik CS Bansal A Sun Q Durbin EB Validity of Natural Language Processing for Ascertainment of EGFR and ALK Test Results in SEER Cases of Stage IV Non–Small-Cell Lung Cancer 2019 JCO Clin Cancer Inform 1–15 Goulart BHL, Silgard ET, Baik CS, Bansal A, Sun Q, Durbin EB, et al. Validity of Natural Language Processing for Ascertainment of EGFR and ALK Test Results in SEER Cases of Stage IV Non–Small-Cell Lung Cancer. JCO Clin Cancer Inform. 2019 Dec;(3):1–15. Hüsing J Oesterling F Patenge C Stang A Kajüter H Mattauch V Evaluation of Parsed Pathological Reports in the Data Collection Process of a Cancer Registry JRC135581 ENCR IACR Scientific Conference; 2023 Nov 14-16; Granada, Spain Hüsing J, Oesterling F, Patenge C, Stang A, Kajüter H, Mattauch V. Evaluation of Parsed Pathological Reports in the Data Collection Process of a Cancer Registry. In: JRC135581 ENCR IACR Scientific Conference; 2023 Nov 14-16; Granada, Spain. 0 0 0 0