1) NLP-Komponenten, die gut für klinische Aufgaben geeignet sind 2) Benutzerfreundliche Schnittstelle zur Entwicklung maßgeschneiderter NLP-Pipelines, sehr einfach zu bedienen und flexibel 3) Neuere NLP-Ansätze neben regelbasierten: maschinelles Lernen und Deep Learning 4) Benutzerfreundliche Schnittstelle für Diagrammansicht und Anmerkungen 5) UMLS-Konzeptabbildung und -kodierung 6) Datenbankverbindung macht NLP- und Post-NLP-Aufgaben sehr effizient 7) Einfache Integration mit EHR 8) Geeignet für sowohl Forschungs- als auch operative Zwecke 9) Große Anzahl aktueller Benutzer, was die Zusammenarbeit erheblich erleichtert 10) Sehr großzügige Beiträge zu akademischen Einrichtungen 11) Unterstützende Beratung und Problemlösung