[논문 리뷰] Visualization of Diseases at Risk in the COVID-19 Literature

Francis Wolinski|arXiv (Cornell University)|2020. 05. 02.

COVID-19 diagnosis using AI참고 문헌 7인용 수 6

한 줄 요약

이 논문은 WHO의 ICD-11 분류 체계를 사용하여 CORD-19 코퍼스에서 질병과 위험 요인을 자동으로 추출하는 자연어 처리 시스템인 VIDAR-19를 소개한다. 이 시스템은 flashtext를 활용한 키워드 기반 추출 파이프라인과 상호작용 가능한 대시보드를 통해 결과를 시각화하며, 높은 정밀도로 심각한 코로나19 결과와 연관된 공존 질환을 탐색하고 질병 위험 계층을 분석할 수 있도록 한다.

ABSTRACT

This paper presents a project, named VIDAR-19, able to extract automatically diseases from the CORD-19 dataset, and also diseases which might be considered as risk factors. The project relies on the ICD-11 classification of diseases maintained by the WHO. This nomenclature is used as a data source of the extraction mechanism, and also as the repository for the results. Developed for the COVID-19, the project has the ability to extract diseases at risk and to calculate relevant indicators. The outcome of the project is presented in a dashboard which enables the user to explore graphically diseases at risk which are put back in the classification hierarchy. Beyond the COVID-19, VIDAR has much broader applications and might be directly used for any corpus dealing with other pathologies.

연구 동기 및 목표

• 급격히 증가하는 코로나19 문헌에서 공존 질환과 위험 요인에 대한 분산되고 비정형적인 보고 문제를 해결하기 위해.
• 표준화된 의료 분류 체계를 사용하여 과학적 텍스트에서 질병과 위험 요소를 자동으로 추출하는 시스템을 개발하기 위해.
• ICD-11 프레임워크 내에서 질병 위험 계층을 직관적으로 탐색할 수 있는 상호작용 가능한 시각화 대시보드를 구축하기 위해.
• 코로나19를 초월하여 어떤 생물의학적 코퍼스에서라도 질병 위험을 분석하는 데 적용 가능한 확장성 있고 재사용 가능한 도구를 제공하기 위해.

제안 방법

• 시스템은 ICD-11 분류를 기반 온톨로지로 사용하며, 루트에서 각 질병까지의 경로 표현을 명시적으로 포함한 계층적 데이터프레임으로 로드하고 정리한다.
• 질병 이름에 대한 빠른 다중 패assing 키워드 매칭을 위해 flashtext 라이브러리를 활용하며, 복잡하거나 모호한 이름 처리를 위해 사전 처리를 수행한다(예: 쉼표 이후의 설명성 수식어 제거).
• 추출 파이프라인은 전체 CORD-19 데이터셋을 처리하여 ICD-11 코드가 부여된 질병과 잠재적 위험 요소의 언급을 식별하며, 데이터 소스 또는 추가 기준에 따라 필터링을 지원한다.
• 시스템은 ICD-11 계층의 각 수준에서 발생 빈도 및 상대 위험 기여도와 같은 핵심 지표를 계산하고 집계한다.
• 결과는 Plotly Dash 기반 대시보드를 통해 시각화되며, 트리맵, 기여도 차트, 계층적 탐색 기능을 포함하고, 모든 시각화 요소 간 일관된 색상 코딩이 적용된다.
• 대시보드는 동적 필터링, 소스 선택, 식별된 질병 또는 위험 요소에 대한 원본 문서로의 드릴다운 기능을 지원한다.

실험 결과

연구 질문

• RQ1 과학 문헌에서 심각한 코로나19 결과와 관련된 위험 요소로 가장 자주 보고되는 질병는 무엇인가?
• RQ2 CORD-19 코퍼스에서 ICD-11 질병을 자동으로 추출하는 방식이 당뇨병, 심장 질환, 비만과 같은 알려진 고위험 공존 질환과 얼마나 잘 일치하는가?
• RQ3 ICD-11처럼 계층적이고 표준화된 분류 체계는 생물의학 문헌 내 질병 위험 시각화의 해석 가능성과 일관성에 얼마나 기여하는가?
• RQ4 시스템의 출력을 활용하여 아직 임상 지침에서 널리 인정되지 않은 새로운 또는 간과된 위험 요소를 식별할 수 있는가?

주요 결과

• 시스템은 CORD-19 코퍼스에서 총 15,286건의 ICD-11 코드가 부여된 질병을 성공적으로 추출하였으며, 사전 처리 과정을 통해 복잡한 질병 이름의 매칭 정확도가 향상되었다.
• 위험도가 높은 상위 질병들(예: 만성 폐질환, 당뇨병, 심부전, 비만)은 CDC 및 뉴욕대 그로스먼 스쿨의 심각한 코로나19 결과에 대한 임상 연구 결과와 밀도 높은 일치를 보였다.
• 대시보드를 통해 ICD-11 전체 계층에 걸쳐 질병 위험을 상호작용적으로 탐색할 수 있으며, 일관된 색상 코딩과 계층적 탐색 기능으로 명확성과 직관성을 확보하였다.
• 시스템의 결과는 동적으로 업데이트되며 공개된 GitHub 리포지토리에서 접근 가능하여 재현성과 장기적 활용 가능성을 확보하였다.
• 본 연구는 대규모 생물의학 코퍼스에서 온톨로지 기반 자동 추출이 질병 위험 패턴에 대한 실행 가능한, 시각적으로 직관적인 통찰을 제공할 수 있음을 입증하였다.