[論文レビュー] Higher Order Programming to Mine Knowledge for a Modern Medical Expert System

Nittaya Kerdprasop, Kittisak Kerdprasop|arXiv (Cornell University)|Jul 23, 2011

Data Mining Algorithms and Applications参考文献 32被引用数 4

ひとこと要約

本稿では、電子的健康記録から医療知識を抽出するための論理プログラミングフレームワークを提案する。Prologにおける高階およびメタレベルプログラミングを用い、医療意思決定支援のためのパターンマッチングとルール抽出を可能にする。発見された知識はデータ検証および統合に利用可能であり、現代の医療システムにおけるスケーラブルで論理ベースの知識発見手法を示している。

ABSTRACT

Knowledge mining is the process of deriving new and useful knowledge from vast volumes of data and background knowledge. Modern healthcare organizations regularly generate huge amount of electronic data stored in the databases. These data are a valuable resource for mining useful knowledge to help medical practitioners making appropriate and accurate decision on the diagnosis and treatment of diseases. In this paper, we propose the design of a novel medical expert system based on a logic-programming framework. The proposed system includes a knowledge-mining component as a repertoire of tools for discovering useful knowledge. The implementation of classification and association mining tools based on the higher order and meta-level programming schemes using Prolog has been presented to express the power of logic-based language. Such language also provides a pattern matching facility, which is an essential function for the development of knowledge-intensive tasks. Besides the major goal of medical decision support, the knowledge discovered by our logic-based knowledge-mining component can also be deployed as background knowledge to pre-treatment data from other sources as well as to guard the data repositories against constraint violation. A framework for knowledge deployment is also presented.

研究の動機と目的

• 大規模な電子的医療記録から実行可能な知識を抽出する課題に対処すること。
• 医療データにおける自動知識発見を支援する論理ベースのフレームワークを設計すること。
• 表現力と再利用性に優れたルール抽出を実現するため、Prologにおける高階およびメタレベルプログラミングを活用すること。
• 抽出された知識をデータ検証および事前処理フィルタリングに展開可能にする仕組みを提供すること。
• 医療専門家システムにおける知識抽出と知識利用を統合するための包括的システムを提供すること。

提案手法

• 知識抽出のためのパターンマッチング論理を抽象化・一般化するために、Prologにおける高階プログラミングを活用すること。
• 実行時におけるルールの内省および操作を可能にするために、メタレベルプログラミング技術を実装すること。
• 医療データ向けに論理プログラミングの枠組み内で分類および関連ルール抽出ツールを設計すること。
• 効率的なルール発見および検証のため、Prologの組み込みパターンマッチングおよび統合機能を活用すること。
• 意思決定支援のための医療専門家システムと知識抽出コンポonentを統合すること。
• 抽出された知識をバックグラウンド知識および制約チェックとして展開するためのフレームワークを提案すること。

実験結果

リサーチクエスチョン

• RQ1 Prologにおける高階プログラミングを活用することで、電子的医療記録からの知識発見を自動化する方法は何か？
• RQ2 メタレベルプログラミングは、医療ルール抽出の表現力および再利用性をどのように向上させるか？
• RQ3 論理ベースのマイニングツールは、臨床データにおける分類および関連ルール生成を効果的に支援できるか？
• RQ4 抽出された知識は診断の他に、データ検証や整合性の維持といった用途にも再利用可能か？
• RQ5 論理ベースの知識マイニングコンポonentを現代の医療専門家システムに統合することは可能か？

主な発見

• 提案されたシステムは、高階およびメタレベルPrologプログラミングを用いて、分類および関連ルールマイニングツールを効果的に実装した。
• Prologのパターンマッチング機能により、臨床データからの効率的で柔軟なルール発見が可能になった。
• 抽出された知識は診断の他に、データ制約の強制やデータ品質の確保といった用途にも再利用可能である。
• フレームワークは、外部のデータ処理パイプラインにおけるバックグラウンド知識として、発見された知識を展開可能にしている。
• 構造化されたデータから複雑な医療知識を抽出するにあたり、スケーラビリティと表現力が実証された。
• システムは、データから意思決定支援までを統合されたパイプラインとして提供し、組み込みの検証メカニズムを備えている。