[論文レビュー] A Relation Extraction Approach for Clinical Decision Support

Maristella Agosti, Giorgio Maria Di Nunzio+2 more|arXiv (Cornell University)|May 3, 2019

Biomedical Text Mining and Ontologies参考文献 22被引用数 3

ひとこと要約

本稿では、規則ベースおよび学習ベースの手法を用いて抽出された医療概念間の意味的関係を、臨床意思決定支援システムにおけるインデクシングおよびリtrievalの特徴量として使用することを提案する。関係に基づくリtrievalは、特定のクエリにおいてベースライン手法よりも精度を著しく向上させることを示しており、関係が有用な場合に平均nDCGが20%向上するが、クエリ長や構造的不一致の影響により性能が一貫しないことが判明した。

ABSTRACT

In this paper, we investigate how semantic relations between concepts extracted from medical documents can be employed to improve the retrieval of medical literature. Semantic relations explicitly represent relatedness between concepts and carry high informative power that can be leveraged to improve the effectiveness of retrieval functionalities of clinical decision support systems. We present preliminary results and show how relations are able to provide a sizable increase of the precision for several topics, albeit having no impact on others. We then discuss some future directions to minimize the impact of negative results while maximizing the impact of good results.

研究の動機と目的

• 医療概念間の意味的関係が臨床意思決定支援システムにおけるリtrieval効果を向上させることを調査すること。
• ケースベースの医療文献リtrievalにおける精度向上を目的とした、規則ベースと学習ベースの関係抽出手法の比較すること。
• OHSUMEDデータセットを用いて、関係ベースのインデクシングがリtrievalパフォーマンスに与える影響を評価すること。
• 関係がリtrievalを向上させる条件と、有用でない結果をもたらす状況を特定すること。
• 臨床現場における情報検索（IR）ニーズに適合する関係抽出の今後の方向性を検討すること。

提案手法

• 規則ベース手法は、関係が参照知識ベースに存在する場合、同じ文内の概念ペアに関係を割り当てる。
• 学習ベース手法は、医療テキスト内の文脈的手がかりに基づいて関係を推定する文レベルの関係抽出器を学習する。
• クエリとドキュメントから抽出された関係を用いて、重み付き和によりパッセージレベルのスコアを計算する：$\text{score}(q,d) = \sum_{p\in d} \frac{|R_p \cap R_q|}{|R_q|} \cdot \text{BM25}(p,q)$。
• ドキュメントは、クエリと共有する関連のある関係の数に基づいてスコア付けされ、パッセージリtrievalにはBM25が使用される。
• 本手法のパフォーマンスは、OHSUMEDコレクションを用いてnDCGで評価され、BoW、BoC、およびBoR（関係の袋）表現の比較が行われる。
• 実験は、関係を抽出可能なクエリに限定され、非ゼロの関連スコアを持つケースに焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 医療文書およびクエリから抽出された意味的関係は、臨床意思決定支援リtrieバルシステムの精度を向上させることができるか？
• RQ2 規則ベースと学習ベースの関係抽出手法は、臨床情報検索において、どの程度効果的か？
• RQ3 どのような条件下で関係がリtrieバルパフォーマンスを顕著に向上させ、どのような場合に失敗するか？
• RQ4 ケースベースの医療文献検索において、関係ベースの検索が従来の概念ベースや語彙ベースの検索をどの程度上回るか？
• RQ5 低リソースなクエリ環境において、誤検出（偽陰性）を低減し、一貫性を高めるために、関係抽出をどのように最適化できるか？

主な発見

• 規則ベース手法は、OHSUMEDの106件のクエリのうち44件から関係を抽出でき、そのうち39件のクエリでドキュメントとの関係が一致した。
• 関係が非ゼロの結果を提供するクエリにおいては、概念ベースのリtrieバルと比較して平均nDCGが20%向上し、その向上は統計的に有意であった。
• 学習ベース手法は25件のクエリから関係を抽出できたが、そのうち12件でのみドキュメントとの一致が得られ、クエリ構造や文法的不一致の影響によりカバレッジが低かった。
• 関係が有用な場合、関係ベースの検索はベースラインの語彙ベース検索を上回ったが、抽出結果の不一致のため、全体では関係と語彙の間で有意な差は認められなかった。
• nDCGスコアのばらつき（0から1の範囲）は、関係が正しく抽出された場合には高い情報価値を持つが、同時に抽出品質やクエリ長に敏感であることを示している。
• 本研究では、短く物語的でないクエリが関係抽出を制限することが判明しており、今後の研究では、IRに最適化された関係抽出を進めるべきである。