[論文レビュー] PatientEG Dataset: Bringing Event Graph Model with Temporal Relations to Electronic Medical Records

Xuli Liu, Jihao Jin+5 more|arXiv (Cornell University)|Dec 24, 2018

Biomedical Text Mining and Ontologies参考文献 3被引用数 4

ひとこと要約

本稿では、電子的医療記録（EMR）内の医療エンティティ、イベント、時系列関係を意味的グラフモデルを用いて明示的に符号化する、PatientEGモデルを提案する。191,294件のイベント、3,429個のエンティティ、545,993個の時系列関係を含むデータセットを、中国のバイオメディカル知識グラフにリンクさせることで構築し、SPARQLを介した効率的で複雑な臨床クエリを可能にした。これは従来のリレーショナルデータベースと比較して、クエリの表現力と効率性を顕著に向上させた。

ABSTRACT

Medical activities, such as diagnoses, medicine treatments, and laboratory tests, as well as temporal relations between these activities are the basic concepts in clinical research. However, existing relational data model on electronic medical records (EMRs) lacks explicit and accurate semantic definitions of these concepts. It leads to the inconvenience of query construction and the inefficiency of query execution where multi-table join queries are frequently required. In this paper, we propose a patient event graph (PatientEG) model to capture the characteristics of EMRs. We respectively define five types of medical entities, five types of medical events and five types of temporal relations. Based on the proposed model, we also construct a PatientEG dataset with 191,294 events, 3,429 distinct entities, and 545,993 temporal relations using EMRs from Shanghai Shuguang hospital. To help to normalize entity values which contain synonyms, hyponymies, and abbreviations, we link them with the Chinese biomedical knowledge graph. With the help of PatientEG dataset, we are able to conveniently perform complex queries for clinical research such as auxiliary diagnosis and therapeutic effectiveness analysis. In addition, we provide a SPARQL endpoint to access PatientEG dataset and the dataset is also publicly available online. Also, we list several illustrative SPARQL queries on our website.

研究の動機と目的

• EMRにおける医療イベントおよび時系列関係の表現に、リレーショナルデータベースの限界を是正すること。
• 臨床研究に適した、医療エンティティ、イベント、時系列関係を明示的に定義する意味的グラフベースのモデルの開発。
• 中国のバイオメディカル知識グラフ（CBioMedKG）を用いて、実際のEMRから抽出した正規化済みエンティティ値を含む、公開可能なリンクドータイプのPatientEGデータセットの構築。
• SPARQLエンドポイントを介した複雑な臨床クエリ（特に時系列の連鎖を含むもの）の実行を可能にすること。
• 構造的かつ機械可処理可能なEMRデータを活用し、補助診断、治療効果分析、死亡リスク予測などの臨床応用を支援すること。

提案手法

• 単純イベントモデル（SEM）に基づく患者イベントグラフ（PatientEG）モデルを提案し、医療エンティティ、医療イベント、時系列関係の各々に5種類の型を定義する。
• 上海市曙光病院の病院情報システムからEMRデータを抽出し、イベント中心の表現を用いてグラフ形式に構造化する。
• 中国のバイオメディカル知識グラフ（CBioMedKG）にリンクさせることで、エンティティ値（例：同義語、略語、下位関係）の正規化を実施する。
• RDF形式でデータを公開し、プログラムによるアクセスを可能にするための公開SPARQLエンドポイントを提供する。
• 臨床研究タスクに適した一連の例示的SPARQLクエリ（単一イベント、複数イベント、制約付き複数イベントクエリを含む）を設計・実装する。
• 再利用性、拡張性、他のバイオメディカル知識ベースとの相互運用性を確保するため、リンクドータイプの公開のベストプラクティスを採用する。

実験結果

リサーチクエスチョン

• RQ1 EMRにおける医療イベントおよび時系列関係を、複雑な臨床クエリをサポートする形で効果的にモデル化する方法は何か？
• RQ2 バイオメディカル知識グラフを用いたエンティティ正規化が、EMR解析におけるクエリの正確性と表現力に与える影響は何か？
• RQ3 グラフベースのEMR表現は、臨床研究におけるクエリ効率性と表現力の面で、従来のリレーショナルデータベースを上回ることができるか？
• RQ4 医療イベント間の時系列関係を、臨床意思決定支援システムで体系的かつ効果的に捉え、活用する方法は何か？
• RQ5 意味的拡張が施された、SPARQLでアクセス可能な公開EMRデータセットが、臨床研究ワークフローにどれほど改善をもたらすか？

主な発見

• PatientEGデータセットには、191,294件のイベント、3,429個の異なる医療エンティティ、545,993個の時系列関係が、中国の病院の実際のEMRから抽出された。
• 中国のバイオメディカル知識グラフ（CBioMedKG）にエンティティをリンクさせることで、同義語、略語、下位関係の正規化が可能となり、クエリの頑健性が向上した。
• データセットはRDF形式でリンクドータイプとして公開され、公開SPARQLエンドポイントによりプログラムによるアクセスと他の知識ベースとの統合が可能となった。
• 例示的SPARQLクエリは、治療の順序や結果の追跡など、複数のイベントと時系列制約を含む複雑な臨床クエリを表現できる能力を示した。
• PatientEGモデルは、複数テーブル結合に類似したクエリをグラフ走査処理に置き換えることで、臨床研究ワークロードにおける性能を顕著に向上させた。
• モデルは拡張可能であり、薬物と疾患の因果関係など、追加の関係を追加することで、より広範な臨床応用に応用可能である。