TeMek – Text Mining von Meldungstexten für einheitliche Klassifikation
Mit jährlich über 200.000 Todesfällen bilden Krebserkrankungen die zweithäufigste Todesursache in Deutschland. Ein zentraler Baustein bei der Bekämpfung von Krebs ist dabei die Sammlung und Bereitstellung von hochqualitativen Daten zu den in Deutschland auftretenden Erkrankungen durch die Landeskrebsregister der Bundesländer. Das Ziel des TeMeK Projekts (Text Mining von Meldungstexten für einheitliche Klassifikation) besteht darin, die Verarbeitung von freitextlichen Krebsbefunde aus den klinischen Tumorzentren innerhalb der Landeskrebsregister durch Text Mining zu unterstützen, indem die benötigten strukturierten Krebs-Informationen aus den Freitexten automatisch extrahiert werden. Das interdisziplinäre Projektteam bestehend aus Landeskrebsregistern, klinischen Tumorzentren und Entwicklungspartnern (das Fraunhofer Institut FKIE und Averbis) versucht dabei die bereits bestehenden Text Mining Tools zur Unterstützung der Tumordokumentar*innen an den Krebsregistern weiterzuentwickeln und an neue gesetzliche Anforderungen zur Tumordokumentation anzupassen. Averbis kann hierbei auf bereits mehr als 7 Jahre Erfahrung in der Zusammenarbeit mit den Landeskrebsregistern zur Text Mining getriebenen Befundstrukturierung zurückblicken.