Relationsextraktion: Framework für Relationale Annotation und Methoden-Evaluation (REFRAME)

Motivation

Das staatliche Paul-Ehrlich-Institut (PEI) erfüllt wichtige Aufgaben bei der Zulassung und Überwachung von Impfstoffen und biomedizinischen Arzneimitteln. Hierzu gehört die Erfassung und Bewertung von unerwünschten Arzneimittelreaktionen („Nebenwirkungen“). Diese, als Pharmakovigilanz bezeichnete Aufgabe, ist sehr personal- und zeitaufwändig, da beim PEI viele Meldungen zu Verdachtsfällen unerwünschter Arzneimittelreaktionen eingehen. Das PEI erhält diese Meldungen als E-Mails, Briefe, Faxe oder über ein eigenes Online-Meldeportal. Um eine Bewertung zu ermöglichen, müssen Mitarbeitende des PEI sich mit jeder einzelnen Verdachtsmeldung auseinandersetzen und dies in einem einheitlichen Format elektronisch dokumentieren.

Das PEI erforscht schon heute, wie neue Methoden, speziell aus dem Bereich der künstlichen Intelligenz, genutzt werden können, um diese Aufgabe zukünftig noch effektiver und effizienter zu erfüllen.

Ziele und Vorgehen

Im Rahmen des Vorhabens REFRAME wird erforscht, wie Mitarbeitende des PEI bei Aufgaben im Bereich der Pharmakovigilanz durch Methoden der künstlichen Intelligenz (KI) unterstützt werden können. Ein wichtiger Aspekt ist dabei, aus digitalen und digitalisierten Meldungen automatisch Zusammenhänge herauszulesen („Relationsextraktion“). Hierzu gehört z. B., welche unerwünschten Reaktionen bei der Anwendung welches Arzneimittels unter welchen Umständen aufgetreten sind. In diesem Vorhaben soll die Grundlage für die Relationsextraktion gelegt werden: zum einen durch eine systematische Evaluation und Bereitstellung einer Software, mit der nachgelagert ein Datensatz zum Training eines KI-Modells erstellt werden kann, zum anderen durch die Entwicklung von Kriterien zur Bewertung der Leistungsfähigkeit unterschiedlicher KI-Systemarchitekturen.