[論文レビュー] A semi-automatic semantic method for mapping SNOMED CT concepts to VCM Icons

Jean-Baptiste Lamy, Rosy Tsopra+2 more|PubMed|Dec 3, 2013

Biomedical Text Mining and Ontologies参考文献 13被引用数 32

ひとこと要約

本論文は、形式的オントロジーを用いて、SNOMED CT 臨床所見を VCM アイコンに半自動的にマッピングする意味論的手法を提示する。手動で基礎的 VCM 概念をマッピングし、記述論理と OWL 理論的推論を活用することで、82% のマッピングが自動的に正しく生成され、臨床専門家による検証で、ランダムに選択された 100 個の SNOMED CT 概念のうち 82 個が VCM アイコンに正確にリンクされている。

ABSTRACT

VCM (Visualization of Concept in Medicine) is an iconic language for representing key medical concepts by icons. However, the use of this language with reference terminologies, such as SNOMED CT, will require the mapping of its icons to the terms of these terminologies. Here, we present and evaluate a semi-automatic semantic method for the mapping of SNOMED CT concepts to VCM icons. Both SNOMED CT and VCM are compositional in nature; SNOMED CT is expressed in description logic and VCM semantics are formalized in an OWL ontology. The proposed method involves the manual mapping of a limited number of underlying concepts from the VCM ontology, followed by automatic generation of the rest of the mapping. We applied this method to the clinical findings of the SNOMED CT CORE subset, and 100 randomly-selected mappings were evaluated by three experts. The results obtained were promising, with 82 of the SNOMED CT concepts correctly linked to VCM icons according to the experts. Most of the errors were easy to fix.

研究の動機と目的

• SNOMED CT を VCM アイコンと統合して、臨床情報可視化を改善する課題に対処すること。
• 標準化された医療用語（SNOMED CT）と視覚的表現（VCM）の間で意味論的相互運用性を実現すること。
• 完全な手動作業を要しないで、SNOMED CT 臨床所見を VCM アイコンにスケーラブルにマッピングする手法を開発すること。
• 形式的オントロジーを活用して、マッピングプロセスにおける一貫性と再利用可能性を確保すること。
• 意味構造に基づく自動推論を通じて、人的作業を最小限に抑えつつ正確性を最大化すること。

提案手法

• SNOMED CT（記述論理で表現）と VCM（OWL で形式化）の両方の構成的性質を活用し、意味論的整合性を実現する。
• VCM オントロジーからの少数の基礎的概念を手動でマッピングし、意味論的基準ベースを確立する。
• 自動推論およびオントロジー照合技術を適用して、残りの SNOMED CT 臨床所見のマッピングを推論する。
• OWL および記述論理の形式的意味論を用いて、生成されたマッピングの論理的整合性と正しさを保証する。
• ランダムに選択された 100 個の SNOMED CT 概念を対象に、専門家によるマッピングプロセスの検証を行う。
• 自動生成されたリンクの誤りを特定・是正することで、マッピングを段階的に改善する。

実験結果

リサーチクエスチョン

• RQ1 半自動的手法は、SNOMED CT 概念と VCM アイコンの間で正確かつスケーラブルなマッピングを達成できるか？
• RQ2 SNOMED CT および VCM における形式的オントロジーは、概念マッピングの自動推論をどの程度支援できるか？
• RQ3 臨床専門家による検証で、自動マッピングの正確性はどの程度か？
• RQ4 最小限の手動入力と最大限の自動化で、どの程度の正しくマッピングされた概念の割合が達成可能か？
• RQ5 マッピングプロセスにおける誤りは体系的であり、容易に是正可能か？

主な発見

• 専門家による評価で、82% の成功率を達成し、ランダムに選択された 100 個の SNOMED CT 概念のうち 82 個が VCM アイコンに正確にマッピングされた。
• 大多数のマッピング誤りは容易に是正可能であると特定され、このアプローチの高い信頼性と保守性を示している。
• 半自動的手法により人的作業が顕著に削減された一方で、高い意味論的忠実性を維持した。
• 形式的オントロジーの活用により、自動推論を通じて一貫性があり論理的に整合性のあるマッピングが可能になった。
• 結果から、意味論的整合性を用いた SNOMED CT と視覚的医療用語の統合の実現可能性が示された。
• 基礎的マッピングが確立されれば、新規マッピングを効率的に生成できるため、拡張性と再利用性が支持される。