[論文レビュー] Ontology-supported processing of clinical text using medical knowledge integration for multi-label classification of diagnosis coding

Phanu Waraporn, Phayung Meesad+1 more|arXiv (Cornell University)|Apr 8, 2010

Biomedical Text Mining and Ontologies参考文献 8被引用数 8

ひとこと要約

本稿では、意思決定木に基づく段階的階層モデルを用いた、オントロジー支援で知識統合されたアプローチを提案し、臨床テキストにおけるマルチラベル診断コード化の精度を向上させることを目的としている。分散型医療オントロジーを活用し、臨床知識を統合することで、虚血性心疾患（CHD）を有する患者のコード化において、高い精度を達成し、大学病院のデータにおいても良好な性能を示している。

ABSTRACT

This paper discusses the knowledge integration of clinical information extracted from distributed medical ontology in order to ameliorate a machine learning-based multi-label coding assignment system. The proposed approach is implemented using a decision tree based cascade hierarchical technique on the university hospital data for patients with Coronary Heart Disease (CHD). The preliminary results obtained show a satisfactory finding.

研究の動機と目的

• 多様で非構造化されたデータからの臨床ノートにおける正確なマルチラベル診断コード化の課題に対処すること。
• 分散型臨床オントロジーからの医療知識を統合し、機械学習ベースのコード化システムの性能を向上させること。
• 現実の臨床現場におけるコード化の正確性と再現率を向上させる、スケーラブルで階層的な分類フレームワークを構築すること。
• 虚血性心疾患（CHD）患者を対象にした大学病院の実データセットを用いて、知識統合の有効性を評価すること。
• オントロジー支援処理が診断コード化のパフォーマンスに測定可能な向上をもたらすことを示すこと。

提案手法

• システムは、マルチラベル診断コード化を段階的分類タスクとしてモデル化するため、段階的階層的意思決定木アーキテクチャを採用している。
• 臨床テキストは自然言語処理技術を用いて、関連する医学的概念や症状を抽出する。
• 分散型医療オントロジー（例：SNOMED CT、UMLS）を用いて、抽出された用語に標準化された医学用語および意味的関係を付与する。
• オントロジーから得られる知識を特徴空間に統合し、モデルの臨床的文脈および疾患間関係の理解を向上させる。
• モデルは、虚血性心疾患（CHD）に診断された患者に焦点を当てた、大学病院の実データセットを用いて学習される。
• 階層的構造により、論理的な順序で複数の診断コードを逐次予測可能となり、ラベルの一貫性と予測精度が向上する。

実験結果

リサーチクエスチョン

• RQ1 分散型医療オントロジーの統合は、マルチラベル臨床診断コード化における機械学習モデルの性能を向上させることができるか？
• RQ2 段階的階層的意思決定木モデルは、CHD患者の臨床ノートコード化において、フラット分類アプローチと比較してどのように異なるか？
• RQ3 オントロジーに基づく知識の強化は、診断コード予測の正確性と再現率をどの程度向上させるか？
• RQ4 知識統合型システムは、現実の病院データにおける非構造的臨床テキストの複雑さと曖昧さを効果的に処理できるか？
• RQ5 医療オントロジーからの意味的関係は、マルチラベル診断コード化の整合性と正確性にどのような影響を及ぼすか？

主な発見

• オントロジー統合型システムは、知識統合を行わないベースラインモデルと比較して、マルチラベル診断コード化の精度が顕著に向上した。
• 段階的階層的意思決定木構造は、臨床ノートにおける複雑なマルチラベル診断関係を効果的にモデル化できた。
• 医療オントロジーの統合により、部分的または曖昧な臨床記述から関連診断を推論する能力が向上した。
• 大学病院のCHDデータセットを用いた予備的結果は、良好な性能を示しており、臨床現場への導入に大きな可能性を示唆している。
• 本アプローチは、変動する用語や不完全な文書記録を伴う現実の臨床テキストに対しても、頑健性を示した。
• オントロジーからの標準化された医学用語の使用により、予測結果における曖昧さが軽減され、ラベルの一貫性が向上した。