Averbis Extraction Platform

Die Averbis Extraction Platform (AEP) bietet neuartige Werkzeuge, mit denen Informationen gezielt aus Dokumenten extrahiert werden können. Die Lösung identifiziert einzelne Informationseinheiten, die für den Benutzer die höchste Relevanz besitzen, und liefert Antworten auf anwendungskritische Fragen des jeweiligen Fachgebiets, indem sie relevante Fakten extrahiert und Zusammenhänge aufdeckt.

Beispiel Personalisierte Medizin

Die Behandlung schwerer Erkrankungen ist von einer Vielzahl einzelner Faktoren wie dem klinischen Zustand des Patienten, demografischen Aspekten, Behandlungsplänen oder genetischen Daten abhängig. Die AEP stellt die Grundlage für Decision Support-Systeme dar, die relevante Fakten aus klinischen Daten extrahieren. Damit unterstützen sie Ärzte dabei, Therapien auf einzelne Patienten zuzuschneiden und Vorhersagen über deren Erfolg zu treffen.

Beispiel Patientensicherheit

In den Industrieländern sterben mehr Menschen durch unerwünschte Arzneimittelwirkungen (UAW) als im Straßenverkehr. Mit der AEP können Medikamenteninformationen aus Arztbriefen extrahiert und von diesen auf abrechnungsrelevante Diganosen geschlossen werden. Gleichzeitig identifiziert die Lösung Kontraindikationen und relevante Vorerkrankungen und vergleicht diese mit den Arzneimittelinformationen. Durch entsprechende Warnhinweise können UAW wirkungsvoll verhindert werden.

Beispiel Ärztliche Leistungsabrechnung

Die AEP ist in der Lage, vergütungsrelevante Informationen wie Aufnahmegrund, Nebendiagnosen, Prozeduren und Operationen oder relevante Grunderkrankungen automatisch aus den Krankenakten der Patienten zu extrahieren. Dies spart Ärzten und Controllern wertvolle Zeit und Kosten.

Beispiel Bibliotheken

Die Deutsche Nationalbibliothek nutzt AEP zur automatischen Klassifikation und Verschlagwortung ihrer digitalen Netzpublikationen. Hierbei werden aus Freitexten und Literaturdatensätzen automatisch relevante Inhalte erkannt und mit den Einträgen einer Terminologie abgeglichen. Als Resultat können die so generierten, inhaltlich standardisierten Metainformationen im System zur leichteren Wiederauffindbarkeit abgelegt werden.

Beispiel Unternehmensdaten

In jedem Unternehmen fallen große Mengen an Informationen an. Oftmals werden beispielsweise Akten zur besseren Durchsuchbarkeit eingescannt und mittels OCR (Optical Character Recognition) in elektronischen Text gewandelt. Mit der Averbis Extraction Platform können gezielt Fakten aus diesen Texten extrahiert werden. Hierzu zählen beispielsweise Personennamen, geografische Angaben, Vertragsnummern oder Datumsangaben. Diese Informationseinheiten können einerseits der besseren Suchfunktionalität dienen, andererseits statistisch ausgewertet werden.