[논문 리뷰] A semi-automatic semantic method for mapping SNOMED CT concepts to VCM Icons

Jean-Baptiste Lamy, Rosy Tsopra외 2명|PubMed|2013. 12. 03.

Biomedical Text Mining and Ontologies참고 문헌 13인용 수 32

한 줄 요약

이 논문은 공식 온톨로지 기반으로 SNOMED CT 임상 발견을 VCM 아이콘으로 매핑하는 반자동 의미론적 방법을 제시한다. 수동으로 기본 VCM 개념을 매핑하고 기술 논리와 OWL 추론을 활용함으로써, 이 방법은 자동으로 82%의 매핑을 정확하게 생성하였으며, 전문가가 무작위로 선택한 100개의 SNOMED CT 개념 중 82개가 VCM 아이콘과 정확하게 연결되어 있음을 검증하였다.

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.

연구 동기 및 목표

• 개선된 임상 정보 시각화를 위해 SNOMED CT를 VCM 아이콘과 통합하는 도전 과제를 해결하기 위해.
• 표준화된 의료 용어(SNOMED CT)와 시각적 표현(VCM) 간의 의미론적 상호운용성을 가능하게 하기 위해.
• 완전한 수동 작업 없이도 SNOMED CT 임상 발견을 VCM 아이콘으로 매핑할 수 있는 확장 가능한 방법을 개발하기 위해.
• 일致성과 재사용 가능성을 보장하기 위해 공식 온톨로지를 활용하기 위해.
• 의미적 구조에 기반한 자동 추론을 통해 인간의 노력은 최소화하면서 정확도를 극대화하기 위해.

제안 방법

• SNOMED CT(기술 논리로 표현됨)와 VCM(OWL로 형식화됨)의 조합적 성격을 활용하여 의미론적 정렬을 가능하게 하기 위해.
• 의미론적 기반을 확립하기 위해 VCM 온톨로지의 소규모 기본 개념 집합을 수동으로 매핑하기 위해.
• 남은 SNOMED CT 임상 발견의 매핑을 유추하기 위해 자동 추론 및 온톨로지 매칭 기법을 적용하기 위해.
• OWL과 기술 논리의 형식적 의미를 사용하여 생성된 매핑의 논리적 일관성과 정확성을 보장하기 위해.
• 100개의 무작위로 선택된 SNOMED CT 개념을 대상으로 전문가 평가를 통해 매핑 과정을 검증하기 위해.
• 자동으로 생성된 연결에서 오류를 식별하고 수정함으로써 매핑을 반복적으로 개선하기 위해.

실험 결과

연구 질문

• RQ1 반자동 방법이 SNOMED CT 개념과 VCM 아이콘 간에 정확하고 확장 가능한 매핑을 달성할 수 있는가?
• RQ2 SNOMED CT와 VCM에 존재하는 공식 온톨로지가 개념 매핑의 자동 추론을 어느 정도 지원할 수 있는가?
• RQ3 임상 전문가의 평가를 통해 자동 매핑의 정확도는 어느 정도인가?
• RQ4 최소한의 수동 입력과 최대한의 자동화로 달성 가능한 정확한 매핑 비율은 얼마인가?
• RQ5 매핑 과정에서 발생하는 오류는 체계적이며 쉽게 수정 가능한가?

주요 결과

• 전문가 평가에서 이 방법은 82%의 성공률을 기록하였으며, 무작위로 선택한 100개의 SNOMED CT 개념 중 82개가 VCM 아이콘과 정확하게 매핑되었다.
• 대부분의 매핑 오류는 쉽게 수정 가능하다는 점이 확인되어, 이 방법의 높은 신뢰성과 유지보수 가능성을 시사한다.
• 반자동 접근법은 수동 작업을 크게 줄였지만 의미론적 정밀도는 높은 수준을 유지하였다.
• 공식 온톨로지의 활용은 자동 추론을 통해 일致하고 논리적으로 타당한 매핑을 가능하게 하였다.
• 결과는 의미론적 정렬을 통해 SNOMED CT를 시각적 의료 용어와 통합하는 것이 가능함을 보여준다.
• 기본 매핑이 확립되면 새로운 매핑을 효율적으로 생성할 수 있기 때문에, 이 방법은 확장성과 재사용 가능성을 지원한다.