Paper of the Month #27 Drucken
08.12.2011

Stiftung für Patientensicherheit, Schweiz: Paper of the Month #27 – "Fehler in Befundberichten: Diktat versus automatische Spracherkennung"

Basma S, Lord B, Jacks LM, et al.:
Error rates in breast imaging reports: Comparison of automatic speech recognition and dictation transcription
AJR, American Journal of Roentgenology 2011; 197: 923-927
Thema: "Fehler in Befundberichten: Diktat versus automatische Spracherkennung"

 

Überall dort, wo bildgebende Verfahren zur Diagnostik eingesetzt werden, müssen Befundberichte diktiert, transkribiert und dokumentiert werden. Gerade in Spitälern oder Zentren (z.B. Brustzentren), die eine Vielzahl von Untersuchungen befunden, ist die Berichterstellung ein aufwändiger, personalund zeitintensiver und gleichzeitig ein sehr sensibler Arbeitsprozess. Daher ist es nachvollziehbar, dass zunehmend versucht wird, die Berichterstellung zu automatisieren, z.B. durch EDV-basierte Spracherkennung. Dabei wird der Befund direkt beim Diktieren durch eine Spezialsoftware in Text umgewandelt und nicht mehr von einer Person transkribiert. Da die Befundberichte aber eine erhebliche Bedeutung für das weitere Patientenmanagement haben, ist die fehlerfreie Übertragung von gesprochenem zu geschriebenem Wort zentral. Busma und Kollegen untersuchten, ob es in Befundberichten bei der Brustdiagnostik häufiger zu Fehlern kommt, wenn diese durch automatische Spracherkennung (mit medizinischer  Spezialsoftware) oder durch Transkription eines Diktates erstellt werden. Insgesamt wurden 615 Befundberichte eingeschlossen (308 automatische Spracherkennung; 307 menschliche Transkription). Die Befunde basierten auf Mammographie-, Ultraschall-, MRI-, sowie Kombinations- und interventionellen Verfahren. Bei den meisten Patientinnen wurden die Untersuchungen wegen eines gesicherten oder vermuteten Mammakarzinoms durchgeführt. Alle schriftlichen Befundberichte, unabhängig vom Erstellungsmodus, waren vom befundenden Arzt visiert worden, der den Befund auch diktiert hatte. Die Berichte wurden auf 12 verschiedene Fehlerarten untersucht (z.B. ausgelassenes Wort; falsche Masseinheit). Die gefundenen Fehler wurden in „bedeutend“ und „geringfügig“ kategorisiert. Als „bedeutend“ wurden Fehler bewertet, die das Verständnis des Befundberichtes beeinträchtigen, oder die direkte Konsequenzen für das Patientenmanagement nach sich ziehen (z.B. die Auslassung des Wortes „no“ im Satz „no mammographic signs of malignancy“). Als „geringfügig“ wurden Fehler bewertet, die weder das Verständnis des Berichtes beeinträchtigen noch die weitere Behandlung beeinflussen (z.B. fehlendes „Komma“). Die Häufigkeit von Fehlern wurde dann zwischen den Transkriptionsmethoden verglichen. Zudem wurde untersucht, ob bestimmte Faktoren einen Einfluss auf die Fehlerhäufigkeit haben (z.B. diagnostisches Verfahren; Ausbildungsstand des Befunders; Muttersprache des Befunders). Von den Berichten, die mit automatischer Spracherkennung erstellt wurden, wiesen 52% mindestens einen Fehler auf (23% mind. ein bedeutender Fehler). Von den transkribierten Berichten enthielten 22% mindestens einen Fehler, 4% mindestens einen bedeutenden Fehler (p<0.01). MRI-Befundberichte enthielten besonders häufig Fehler (35% der Spracherkennungsberichte, 7% der konventionellen Berichte). Die häufigsten Fehler bei der automatischen Spracherkennung waren hinzugefügte und ausgelassene Wörter. Die Fehlerarten unterschieden sich kaum zwischen den Verfahren. Bei einer Adjustierung für das Diagnoseverfahren sowie den Ausbildungsstand und die Muttersprache des Befunders war mit der automatischen Spracherkennung ein 8-fach höheres Risiko für einen bedeutenden Fehler im Befundbericht verbunden. Die Ergebnisse zeigen, dass selbst spezialisierte automatische Spracherkennung fehleranfälliger als die menschliche Transkription ist und diese Fehler offensichtlich auch nicht beim Prüfen und Visieren identifiziert und korrigiert werden. Nahezu ein Viertel der durch automatische Spracherkennung erstellten und visierten Berichte enthielt mindestens einen Fehler, der das Verständnis des Berichtes oder das Patientenmanagement beeinflussen kann. Eine verbesserte Qualitätskontrolle bei Verwendung der automatischen Spracherkennung, z.B. durch eine zweite Person, ist für die Patientensicherheit notwendig.
 
PD Dr. D. Schwappach, MPH, Wissenschaftlicher Leiter der Stiftung für Patientensicherheit.
Dozent am Institut für Sozial- und Präventivmedizin (ISPM), Universität Bern
 
Link zum Abstract: http://www.ncbi.nlm.nih.gov/pubmed/21940580
(Den Volltext können wir aus Copyright Gründen leider nicht mit versenden).

"Paper of the Month"
Mit dem "Paper of the Month" möchte die Stiftung für Patientensicherheit eine interessante Dienstleistung für diejenigen Personen erbringen, die einerseits bei neuen wissenschaftlichen Erkenntnissen up-to-date sein möchten, andererseits nicht über die Ressourcen verfügen, das gesamte Feld zu beobachten. Die Stiftung für Patientensicherheit stellt etwa alle vier Wochen eine aktuelle wissenschaftliche Studie zur Patientensicherheit und ihre Kernergebnisse vor. Sie wählt dafür internationale Studien aus, die einerseits eine hohe Qualität aufweisen und die sie andererseits subjektiv als wichtig beurteilt, zum Beispiel aufgrund einer wichtigen Fragestellung oder einer innovativen Methodik.