Die Entwicklung innovativer Funktionen für PubPharm am IfIS

Ein Beitrag von Janus Wawrzinek.

Der exponentielle Anstieg an Publikationen im biomedizinischen Bereich erfordert neue Zugriffspfade zur Fachliteratur, welche Term-basierte Suchen ergänzen können, denn diese führen zunehmend zu tausenden von Suchergebnissen. Ein Lösungsansatz für dieses Problem ist die automatische Extraktion von in Literatur eingebetteten pharmazeutischen Entitäten wie Wirkstoffen, Krankheiten, Genen und deren Relationen untereinander. In diesem Zusammenhang ermöglichen künstliche neuronale Netze (kNNs) Vorschritte bezüglich Performanz, Skalierbarkeit und Genauigkeit bei solchen Aufgabenstellungen. So wurde bereits nicht nur gezeigt, dass existierende Relationen gelernt, sondern ebenfalls neue Relationen und Eigenschaften vorhergesagt werden können (zur Publikation). Die Vorteile der kNNs gehen jedoch einher mit dem Nachteil, dass häufig nicht eindeutig klar ist, warum eine Relation von einem kNN gelernt oder vorhergesagt wurde.

Mit diesem Problem der eingeschränkten Erklärbarkeit von Vorhersagen und deren Semantik setzte sich das Institut für Informationssysteme (IfIS) der TU Braunschweig auseinander. Generell werden Netzwerkansichten in verschiedenen Domänen verwendet, um die Interpretierbarkeit von komplexen Zusammenhängen zu vereinfachen. In diesem Kontext erforschte das IfIS einen Ansatz, um eine Netzwerkansicht auf Basis eines kNN Outputs für pharmazeutische Entitäten zu entwickeln. Hierbei werden die vorhergesagten Relationen einbezogen und mit bereits bekannten Relationen angereichert. Die informationswissenschaftliche Grundlagenforschung mündete in einer Publikation, auf dessen Basis ein innovativer Service für PubPharm folgen wird. Basierend auf der Publikation wurden bereits prototypische Anwendungen entwickelt. Ein Beispiel einer interaktiven Wirkstoff-Krankheit Netzwerkansicht für den Wirkstoff Thalidomid kann hier betrachtet werden.