Admin Dashboard

Gene in DB

Findings

Quellen

Nutzer

Services

Schnellaktionen

Processing Queue

Eingehende Dokument-Uploads und ihre Verarbeitung

Upload OCR/Text Anonymisierung Gen-Extraktion Recherche Bericht

ID	Datei	Status	Gen	Datum
Keine Uploads in der Queue

OCR Pipeline: Tesseract 5.3 (lokal) für PDF-Texterkennung → Claude Haiku für Gen-Extraktion → Pseudonymisierung (SHA-256) → Research-Abgleich

RP-Research Dashboard

Eingebettetes Research Tool - Forschungsübersicht und Crawler-Status

Erkenntnisse-Datenbank

Strukturierte Forschungsergebnisse nach Gen und Kategorie

Lade Erkenntnisse...

Daten-Synchronisation

Research DB → Website DB Sync

Synchronisiert Gene, Mutationen und Findings von der Research-Datenbank (forschung.db) in die Website-Datenbank (myretinagene.db).

OCR & Dokument-Pipeline

Verfügbare OCR-Tools

Tesseract OCR 5.3	Installiert - Lokal, schnell, DE+EN, primäres OCR-Tool
pdf2image + Poppler	Installiert - PDF → JPG Konvertierung (300 DPI)
Claude Haiku 4.5	Aktiv - Gen-Extraktion aus OCR-Text
Data Anonymizer	Aktiv - PII-Scrubbing + SHA-256 Pseudonymisierung

Wichtig: PDFs werden IMMER zuerst in Bilder konvertiert (PDF → JPG → OCR). Eingebetteter PDF-Text wird NIE direkt verwendet, da er fehlerhaft oder manipuliert sein kann.

Verarbeitungs-Pipeline

Upload empfangen - PDF/TXT, max 10 MB, File-Type-Validierung
PDF → JPG Konvertierung - Jede Seite als Bild (300 DPI) via Poppler
OCR (Tesseract 5.3) - Texterkennung aus Bildern, DE+EN, PSM 6
PII-Erkennung - Regex: Namen, Daten, E-Mails, Telefon, Versicherungs-Nr.
Anonymisierung - Patientendaten ersetzen, Session-ID pseudonymisieren (SHA-256)
Gen-Extraktion - Claude Haiku: Gen, Mutation, Erbgang, Zygotie
Confidence Scoring - Extraktion bewerten (0-1 Skala)
Research-Abgleich - ClinVar, PubMed, Findings-DB durchsuchen
Bericht-Generierung - Claude Sonnet/Opus: 4 Formate (1-Sheet bis Arztbericht)