[논문 리뷰] Biomedical term normalization of EHRs with UMLS

Naiara Pérez, Montse Cuadros외 1명|arXiv (Cornell University)|2018. 02. 08.

Biomedical Text Mining and Ontologies참고 문헌 15인용 수 3

한 줄 요약

이 논문은 스페인어 전자건강기록(EHR)에서 생물의학용어 정규화를 위한 다국어, 다언어 간 프로토타입을 제시한다. UMLS 메타테사우루스를 기반으로 하며, 색인화에 Apache Lucene을 사용하고, NLP에는 IXA 파이프라인을, 어휘의미해석에 UKB를 활용하여, 두 개의 평행 코퍼스에서 MetaMap과 중간 정도의 일치도(kappa ~0.6)를 달성하였다. 또한 상호작용 가능한 개념 탐색을 위한 웹 기반 데모를 포함하고 있다.

ABSTRACT

This paper presents a novel prototype for biomedical term normalization of electronic health record excerpts with the Unified Medical Language System (UMLS) Metathesaurus. Despite being multilingual and cross-lingual by design, we first focus on processing clinical text in Spanish because there is no existing tool for this language and for this specific purpose. The tool is based on Apache Lucene to index the Metathesaurus and generate mapping candidates from input text. It uses the IXA pipeline for basic language processing and resolves ambiguities with the UKB toolkit. It has been evaluated by measuring its agreement with MetaMap in two English-Spanish parallel corpora. In addition, we present a web-based interface for the tool.

연구 동기 및 목표

• UMLS를 사용한 스페인어 임상 텍스트에서 생물의학용어 정규화를 위한 기존 도구의 부족을 해결하기 위해.
• 임상 용어를 UMLS 개념으로 매핑하기 위한 다국어, 다언어 간 파이프라인을 개발하기 위해.
• 평행 영문-스페인어 EHR 코퍼스에서 시스템 성능을 MetaMap과 비교 평가하기 위해.
• 임상의사 및 연구자가 UMLS 매핑을 상호작용적으로 탐색할 수 있도록 접근 가능한 웹 인터페이스 제공하기 위해.
• 메타테사우루스에 포함되지 않은 어휘적 다양성과 누락된 약어로 인한 개념 커버리지의 한계를 규명하기 위해.

제안 방법

• EHR 텍스트 스트링에서 매핑 후보를 신속하게 검색할 수 있도록 Apache Lucene을 사용해 UMLS 메타테사우루스를 색인화하기 위해.
• 스페인어 임상 텍스트에서 토큰화, 품사 태깅, 명명된 엔티티 인식을 위해 IXA 파이프라인을 사용하기 위해.
• 임상 용어의 어휘적 모호성을 해결하기 위해 UKB 툴킷을 사용해 어휘의미해석(WSD)을 적용하기 위해.
• 퍼지 및 정확한 문자열 매칭을 통해 색인화된 UMLS 개념과 텍스트 스트링을 매칭하여 후보 매핑 생성하기 위해.
• Angular2를 사용해 웹 기반 인터페이스를 구현하여, 의미 유형별로 색상으로 구분된 주석 처리된 용어를 표시하고, UMLS API를 통해 개념 세부 정보를 제공하기 위해.
• 사용자가 UMLS 의미 유형별로 결과를 필터링하고 개념 계층 구조(예: 'Aspergillus'의 하위개념)를 탐색할 수 있도록 하기 위해.

실험 결과

연구 질문

• RQ1 스페인어 EHR에서 전용 도구가 없는 상황에서 UMLS 기반 정규화 파이프라인의 성능은 어느 정도일까?
• RQ2 이 시스템의 성능은 성숙한 영문 용어 정규화 도구인 MetaMap과 어느 정도 일치하는가?
• RQ3 Lucene 색인, IXA NLP, UKB WSD의 조합이 임상 텍스트에서 어휘적 모호성과 용어 변형을 다루는 데 얼마나 효과적인가?
• RQ4 시스템의 개념 매핑에서 주요한 가짜 음성 결과의 원인은 무엇이며, 이는 전체 재현율에 어떤 영향을 미치는가?
• RQ5 웹 기반 인터페이스는 임상 텍스트에서 UMLS 매핑을 상호작용적으로 탐색하는 데 효과적으로 기여하는가?

주요 결과

• 두 개의 평행 영문-스페인어 EHR 코퍼스에서 시스템은 MetaMap과 중간 정도의 일치도를 보였으며, 키카 값은 약 0.6으로 보고되었다.
• 평가 데이터의 일부에서 파이프라인의 최고 성능 설정이 정밀도 0.71과 재현율 0.65를 달성하였다.
• 가짜 음성 결과의 주요 원인은 메타테사우루스에 포함되지 않은 철자 실수, 비표준 약어, 형태소 변형과 같은 어휘적 다양성 때문이었다.
• 구절 기반의 스트링 탐지 오류가 주로 용어 주석 누락을 유발하였으며, 특히 하위 NLP 컴포넌트가 관련 명사구를 식별하지 못했을 경우에 두드러졌다.
• 웹 기반 데모는 의미 유형 필터링, 개념 세부 정보, 계층적 관계(예: 'Aspergillus'의 하위개념) 탐색을 통해 사용자가 UMLS 개념을 효과적으로 탐색할 수 있도록 성공적으로 지원하였다.
• 시스템은 스페인어 EHR 정규화의 가능성은 입증하였지만, 용어 변형 처리 향상과 약어 커버리지 확장의 필요성을 드러내었다.