[논문 리뷰] Launching into clinical space with medspaCy: a new clinical text processing toolkit in Python

Hannah Eyre, Alec B. Chapman외 7명|arXiv (Cornell University)|2021. 06. 14.

Biomedical Text Mining and Ontologies인용 수 4

한 줄 요약

medspaCy는 규칙 기반 및 머신러닝 방법을 통합한 오픈소스, spaCy 기반 임상 NLP 툴킷입니다. 임상 텍스트 처리를 위한 빠른 개발을 가능하게 하며, 명명된 실체 인식, 부정 탐지, SNOMED-CT 매핑 등의 작업을 위한 맞춤형 고성능 파이프라인을 제공하여, 임상 텍스트 분석 프로젝트의 개발 시간을 크게 단축시킵니다.

ABSTRACT

Despite impressive success of machine learning algorithms in clinical natural language processing (cNLP), rule-based approaches still have a prominent role. In this paper, we introduce medspaCy, an extensible, open-source cNLP library based on spaCy framework that allows flexible integration of rule-based and machine learning-based algorithms adapted to clinical text. MedspaCy includes a variety of components that meet common cNLP needs such as context analysis and mapping to standard terminologies. By utilizing spaCy's clear and easy-to-use conventions, medspaCy enables development of custom pipelines that integrate easily with other spaCy-based modules. Our toolkit includes several core components and facilitates rapid development of pipelines for clinical text.

연구 동기 및 목표

• 규칙 기반 및 머신러닝 접근 방식을 결합한 재사용 가능하고 상호운용성 있고 확장 가능한 임상 NLP 툴킷의 부족을 해결하기 위해.
• 모듈화되고 확장 가능한 인터페이스를 제공함으로써 임상 NLP 파이프라인을 구축하는 데 드는 개발 부담을 줄이기 위해.
• 파이썬 기반의 spaCy 통합 툴킷을 통해 연구자와 개발자의 임상 텍스트 처리 접근성과 생산성을 향상시키기 위해.
• 자살 예방 연구, 건강의 사회적 결정요인 추출, 임상 교육과 같은 다양한 임상 응용 분야를 지원하기 위해.
• 사용자 정의 가능한 구성 요소와 사전 학습된 자원을 활용해 임상 NLP 시스템의 빠른 프로토타이핑 및 배포를 가능하게 하기 위해.

제안 방법

• 확장 가능한 임상 NLP 파이프라인을 구축하기 위한 기초로, 객체 지향적이고 고성능인 NLP 프레임워크인 spaCy를 활용합니다.
• 임상 추론 메타데이터를 직접 spaCy 객체 내에 저장하고 액세스하기 위해 커스터마이징된 속성 확장(예: token._.is_negated)을 도입합니다.
• 엔티티 연결, 맥락 분석, UMLS 자원을 통한 SNOMED-CT 매핑 등의 임상 NLP 작업을 위한 모듈식 구성 요소를 제공합니다.
• 구성 가능한 매개변수를 가진 플러그인 방식의 구성 요소를 통해 규칙 기반 및 머신러닝 기반 처리를 모두 지원합니다.
• 표준 용어 매핑 및 임상 개념 해소를 위한 외부 지식 기반(예: UMLS)과의 통합을 가능하게 합니다.
• 간편한 설치 절차와 일관된 파이썬 API를 통해 반복적 개발 및 탐색적 분석을 촉진합니다.

실험 결과

연구 질문

• RQ1 임상 텍스트 처리를 위해 규칙 기반 및 머신러닝 기반 방법을 원활하게 통합할 수 있는 임상 NLP 툴킷은 어떻게 설계될 수 있는가?
• RQ2 어떤 아키텍처 패턴이 임상 NLP 파이프라인에서 높은 재사용성, 확장성, 성능을 가능하게 하는가?
• RQ3 spaCy 기반 툴킷은 임상 텍스트 분석 프로젝트에서 개발 시간과 복잡성을 얼마나 줄일 수 있는가?
• RQ4 medspaCy는 자살 예방 및 건강의 사회적 결정요인 추출과 같은 실제 임상 연구 응용 분야에서 얼마나 효과적인가?
• RQ5 medspaCy는 비전문가 사용자를 대상으로 한 임상 NLP 교육 도구로 효과적으로 기능할 수 있는가?

주요 결과

• medspaCy는 3개월 이내에 자살 예방과 관련된 9,040건의 개방형 응답을 분석하는 데 성공하여, 대규모 임상 연구에서의 유용성을 입증했습니다.
• 이 툴킷은 SSVF 프로그램을 위한 주거 안정성 파이프라인을 신속하게 개발하는 데 기여하여, 임상 노트에서 무주택 상태 및 주거 상태를 추출할 수 있도록 했습니다.
• medspaCy는 프로그래밍 경험이 거의 없는 의과대학생들이 참여한 다일간 임상 데이터 과학 과정에서 성공적으로 활용되었으며, 기능적인 NLP 시스템을 구축하는 데 기여했습니다.
• 툴킷의 모듈식 설계와 일관된 API 덕분에 다양한 소스에서 온 구성 요소를 일관되고 생산 가능한 파이프라인으로 원활하게 통합할 수 있었습니다.
• UMLS 기반 용어 매핑 지원 덕분에 실제 응용에서 정확한 임상 개념 해소가 가능했습니다.
• 공통적인 cNLP 작업을 위한 재사용 가능하고 잘 문서화된 구성 요소를 제공함으로써, 커스터마이징된 코드 재구현이 줄어들었습니다.