[論文レビュー] Q-Map: clinical concept mining with phrase sense disambiguation.

Sheikh Shams Azam, Manoj Raju+2 more|arXiv (Cornell University)|Apr 30, 2018

Biomedical Text Mining and Ontologies参考文献 9被引用数 2

ひとこと要約

Q-Map は、構造化されていない医療テキストにおける臨床的概念抽出を高速かつ設定可能な形で実行するシステムであり、整理された知識源を活用して構造化された情報を効率的に抽出する。MetaMap よりも高速で設定が可能でありながら、臨床ノートからの概念抽出において高い正確性を維持している。

ABSTRACT

Over the past decade, there has been a steep rise in data driven analysis in major areas of medicine, such as, clinical decision support system, survival analysis, patient similarity analysis, image analytics etc. Also, there are various ongoing research efforts in the operational and financial fields using techniques such as demand forecasting, convex optimization. Most of the data used in these research applications are well-structured and available in numerical or categorical formats which can be used for experiments directly. On the opposite end, there exists a wide expanse of data that is intractable for direct analysis owing to its unstructured nature. These can be found in the form of discharge summaries, clinical notes, procedural notes which are in human written free text format and neither have any relational model nor any standard grammatical structure. An important step in utilization of these texts for such studies is to transform and process the data to retrieve structured information from the haystack of irrelevant data using information retrieval and data mining techniques. The unregulated format coupled with massive size of datasets makes the mining process a monumental task requiring robust algorithms supported by ample hardware resources and computing power. In this paper, we present Q-Map, which is a simple yet powerful system that can sift through these datasets to retrieve structured information aggressively and efficiently. It is backed by an effective mining algorithm based on curated knowledge sources, that is both fast and configurable. We also present its comparative performance with MetaMap, one of the most reputed tools for medical concepts retrieval.

研究の動機と目的

• 構造化されていない自由記述型の医療記録（たとえば退院まとめや臨床ノートなど）から構造化された臨床的概念を抽出する課題に対処すること。
• 大規模な量の構造化されていない臨床テキストを最小限の計算オーバーヘッドで処理できるスケーラブルで効率的なシステムの開発。
• MetaMap などの既存ツールを改善し、処理速度と設定の柔軟性を高めつつ、概念同定の高精度を維持すること。
• 構造化可能で解析可能な情報に変換することで、データ駆動型の医療研究を支援すること。

提案手法

• Q-Map は、整理された医療用語集を用いた知識源駆動型のアプローチを採用し、臨床テキスト内のフレーズを標準化された概念にマッピングする。
• 臨床用語のあいまいさを解消するためのフレーズの意味あいまいさの解消技術を適用し、概念マッピングの正確性を向上させる。
• 特定の用途やデータタイプに応じた設定が可能なモジュラーなアーキテクチャとして設計されている。
• 効率的なインデックス作成と照合アルゴリズムを活用して、大規模データセットにおける概念抽出を高速化する。
• 臨床的概念抽出のための標準ベンチマークを用いて、MetaMap と比較して性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 構造化されていない臨床テキストを、医療研究に適した構造化可能で解析可能なデータに効率的に変換する方法は何か？
• RQ2 MetaMap と比較して Q-Map の概念抽出性能はどの程度か？
• RQ3 フレーズの意味あいまいさの解消は、臨床的概念抽出の正確性をどの程度向上させるか？
• RQ4 処理速度と設定の柔軟性を両立させながら、正確性を損なわずに臨床テキスト処理が可能なシステムは構築可能か？

主な発見

• Q-Map は MetaMap よりも優れた処理速度を示し、大規模な臨床テキストデータセットの処理を高速化できる。
• システムは高い正確性を維持しており、フレーズの意味あいまいさの解消により、あいまいさの解消を効果的に行っている。
• モジュラーかつ設定可能な設計により、多様な臨床データタイプや研究ニーズに適応可能である。
• 計算オーバーヘッドを低減しつつ、臨床データ分析パイプラインにおけるスケーラブルな展開を支援している。