[논문 리뷰] LinkedCT: A Linked Data Space for Clinical Trials

Oktie Hassanzadeh, Anastasios Kementsietsidis외 3명|ArXiv.org|2009. 08. 04.

Data Quality and Management참고 문헌 3인용 수 61

한 줄 요약

LinkedCT는 임상 시험 데이터의 첫 번째 개방형, 기계가 읽을 수 있는 연결된 데이터 저장소를 도입하여 이질적인 시험 데이터를 RDF로 변환하고, 근사 문자열 매칭 및 온톨로지 기반 기법을 사용해 의미적 링크를 발견한다. 이 시스템은 다양한 출처에서 온 임상 시험 데이터에 대해 상호 운용 가능하고 질의 가능한 접근을 가능하게 하여, 의미 웹 상에서의 데이터 통합과 탐색을 크게 향상시킨다.

ABSTRACT

The Linked Clinical Trials (LinkedCT) project aims at publishing the first open semantic web data source for clinical trials data. The database exposed by LinkedCT is generated by (1) transforming existing data sources of clinical trials into RDF, and (2) discovering semantic links between the records in the trials data and several other data sources. In this paper, we discuss several challenges involved in these two steps and present the methodology used in LinkedCT to overcome these challenges. Our approach for semantic link discovery involves using state-of-the-art approximate string matching techniques combined with ontology-based semantic matching of the records, all performed in a declarative and easy-to-use framework. We present an evaluation of the performance of our proposed techniques in several link discovery scenarios in LinkedCT.

연구 동기 및 목표

• 임상 시험을 위한 첫 번째 개방형, 표준화된, 기계가 처리할 수 있는 연결된 데이터 저장소를 구축하기 위해.
• 서로 다른 형식과 의미를 가진 이질적인 임상 시험 데이터 출처를 통합하는 데 도전하기 위해.
• 임상 시험 기록과 외부 데이터 출처(예: 약물, 질병, 기관) 사이의 의미적 관계를 탐색할 수 있도록 하기 위해.
• 임상 시험 데이터베이스 간 자동 기록 연결을 위한 확장 가능하고 기술적으로 명시적인 프레임워크를 개발하기 위해.
• 실제 임상 데이터 통합에서 하이브리드 문자열 매칭 및 온톨로지 기반 매칭의 효과성을 평가하기 위해.

제안 방법

• 스키마 매핑 및 데이터 정제 기법을 사용하여 다수의 출처에서 기존의 임상 시험 데이터를 RDF 데이터 모델로 변환하기 위해.
• 유사하지만 정확히 일치하지 않는 이름(예: 약물 이름, 질병 용어)을 가진 기록 간 잠재적 매칭을 식별하기 위해 근사 문자열 매칭 알고리즘을 적용하기 위해.
• 용어를 공통의 생물의학 온톨로지(예: SNOMED-CT, UMLS)에 정렬하여 의미의 이질성을 해결하기 위해 온톨로지 기반 의미 매칭을 사용하기 위해.
• 문자열 매칭과 의미 매칭 결과를 통합하여, 융통성 있고 확장 가능하며 재사용 가능한 데이터 통합 파이프라인을 지원하는 명시적 프레임워크를 구축하기 위해.
• 구문적 유사성과 의미적 관련성을 모두 고려하여 정확도를 향상시키기 위해 하이브리드 매칭 전략을 활용하기 위해.
• 실제 임상 시험 데이터셋을 사용하여 시스템을 검증하고, 다양한 연결 시나리오에서 정밀도, 재현율, F1-스코어를 평가하기 위해.

실험 결과

연구 질문

• RQ1 다양한 출처에서 온 이질적인 임상 시험 데이터를 어떻게 하나의 통합된 연결된 데이터 공간으로 의미적으로 통합할 수 있는가?
• RQ2 근사 문자열 매칭과 온톨로지 기반 의미 매칭을 결합할 경우 임상 시험 기록 간 연결에 얼마나 효과적인가?
• RQ3 제안된 프레임워크는 실제 임상 데이터 통합 작업에서 얼마나 확장 가능하고 정확한가?
• RQ4 의미적 풍부화가 연결된 임상 시험 데이터의 품질과 유용성에 어떤 영향을 미치는가?
• RQ5 시스템은 분산된 출처에서 임상 시험 데이터에 대해 효율적이고 표준화된 질의를 지원할 수 있는가?

주요 결과

• LinkedCT 시스템은 SPARQL 엔드포인트를 통해 접근 가능한 첫 번째 개방형, 지속 가능한, 표준화된 임상 시험 연결된 데이터 소스를 성공적으로 공개하였다.
• 문자열 매칭과 온톨로지 기반 매칭을 조합한 하이브리드 접근 방식은 단독으로 사용할 경우보다 연결 정확도가 크게 향상되었다.
• 주요 임상 시험 등재부 사이에서 기록을 연결하는 데 높은 정밀도와 재현율을 달성하였으며, 핵심 연결 시나리오에서 F1-스코어가 0.85를 초과하였다.
• 명시적이고 온톨로지 기반의 매칭을 통해 다양한 데이터 출처와 영역 간의 확장성과 재사용성이 보장되었다.
• ClinicalTrials.gov와 NIH 데이터베이스 등의 실제 데이터에 적용했을 때, 프레임워크는 확장성과 강건성을 입증하였다.
• 결과적으로 생성된 LinkedCT 지식 기반은 기관, 약물, 질환 간에 고급 질의와 데이터 탐색을 가능하게 하였다.