MedCorpInn

Ohne Sprache ist medizinisches Handeln undenkbar. Der medizinische Alltag ist durch verschiedenste kommunikative Praktiken geprägt: im Mündlichen etwa durch Visiten und Anamnesegespräche, im Schriftlichen durch Befunde, Protokolle, Arztbriefe und dergleichen mehr. Aktuelle Studien weisen darauf hin, dass in der Gesundheitskommunikation verschiedene Formen von Diskriminierung auftreten. Patient*innen können beispielsweise je nach Alter, Status, Herkunft oder Geschlecht benachteiligt werden; dies geschieht häufig unbewusst, weshalb Gender Biases nicht leicht zu erfassen sind. Das Projekt MedCorpInn möchte sprachliche Muster solcher Biases mit Hilfe einer großen Datenmenge aufspüren. Dazu wird eine bereits vorhandene, umfassende digitale Datensammlung (Korpus) verwendet: Das Korpus KARBUN umfasst 100.000 teil-anonymisierte radiologische Befunde der Universitätsklinik Innsbruck und stellt eine einzigartige Datensammlung dar, da es allgemein nur sehr wenige Korpora gibt, die ihre Daten direkt aus dem klinischen Kontext beziehen.

Im Rahmen des Projekts soll das bestehende Korpus einerseits auf technischer Ebene verbessert und weiterentwickelt werden; andererseits sollen die Daten Aufschluss bezüglich verschiedener linguistischer und gendermedizinischer Fragestellungen liefern.

In Kooperation mit DBIS (Databases and Informations Systems, UIBK) wird das Korpus technisch weiterentwickelt. Dies beinhaltet u.a. das Strukturieren der vielen Metadaten, mit denen die Befunde versehen sind (z.B. Alter, Geschlecht, Versicherungsart, Untersuchungsmodus usw.), sowie weitere Maßnahmen zur Anonymisierung und zur automatisierten Datenverarbeitung. Außerdem wird die Annotierung nach Wortarten verbessert, womit im Korpus z.B. nach den häufigsten Wortarten gesucht werden kann.

Die aufbereiteten Daten können mit verschiedenen Methoden und Tools der Korpuslinguistik sowie der Diskursanalyse abgefragt werden. Dadurch soll u.a. herausgefunden werden, ob es in den Befunden sprachliche Unterschiede gibt, die in Abhängigkeit zu sozialen Faktoren stehen. Die Texte werden dazu nach Kategorien aufgeteilt (z.B. weiblich/männlich; Privatkasse/gesetzliche Kasse usw.) und im Hinblick auf statistisch signifikante sprachliche Muster und Unterschiede untersucht.

Auch gendermedizinische Fragestellungen können mit Hilfe des Korpus bearbeitet werden. Zum Beispiel kann überprüft werden, ob medizinische Behandlungen mit sozialen Faktoren zusammenhängen, oder ob es genderspezifische Unterschiede in Hinblick auf die Genauigkeit der Befunde gibt (z.B. bei Abmessungen von Verletzungen, Tumoren usw.).

Das Projekt setzt sich zum Ziel, neue Methoden zu finden, mit denen strukturelle Biases in großen Datenmengen identifiziert werden können. Schließlich sollen Ideen für mögliche Richtlinien gegen Diskriminierung für die medizinische Praxis zustande kommen.