NESTOR — Neurosyphilis: Extraction via Scanned Texts and OCR for medical Research
Ursprungssprache: Englisch
NESTOR (Neurosyphilis: Extraktion aus gescannte Texte und OCR für medizinische Forschung) ist ein interdisziplinäres Projekt der Universität Genf und der Genfer Universitätskliniken , das handschriftliche medizinische Archive für die Forschung erschließt.
Das Problem: Krankenhäuser, Archive und Biobanken bewahren umfangreiche Sammlungen handschriftlicher Patientenakten, Register und Bestandslisten auf, die Jahrzehnte der klinischen Praxis dokumentieren. Diese Aufzeichnungen sind eine einzigartige Quelle zur historischen klinischen Praxis, bleiben jedoch weitgehend unzugänglich: Die manuelle Transkription ist zeitaufwendig und kostspielig, herkömmliche optische Zeichenerkennung (OCR) erbringt bei Handschrift schlecht und die Vorschriften zum Patientenschutz schließen die meisten kommerziellen Cloud-Tools aus.
Der Ansatz: NESTOR übernimmt Methoden zur Erkennung handgeschriebener Texte aus den Digital Humanities, einem Fachgebiet, das über Erfahrung bei der Transkription historischer Handschriften verfügt. Ein Grundmodell wurde mit über 20.000 Seiten aus fünf Jahrhunderten und fünf Sprachen wurde anhand von Aufzeichnungen der Genfer Gehirnbank verfeinert, einer Sammlung, die im Jahr1901 gegründet wurde und klinische Daten von mehr als 11 000 Patienten enthält. Anhand von etwa 500 handschriftlich transkribierten Seiten, die zwischen 1883 und 1980 erreicht das für solche Archive angepasste Modell eine Genauigkeit von 87 %. Die Pipeline ist vollständig Open-Source, kostenlos und läuft offline auf einem Standard-Laptop und ist somit für sensible Daten geeignet. Sie erfordert nur minimale fachspezifische Annotationen und stützt sich auf nicht-medizinische Trainingsdaten und umgeht damit die ethischen Hürden beim Austausch medizinischer Manuskripte. Es lässt sich daher in Krankenhäusern und Archiven sowie in Umgebungen mit begrenzten Ressourcen, in denen auch heute noch handschriftliche medizinische Unterlagen erstellt werden.




