[论文解读] A semi-automatic semantic method for mapping SNOMED CT concepts to VCM Icons

Jean-Baptiste Lamy, Rosy Tsopra+2 more|PubMed|Dec 3, 2013

Biomedical Text Mining and Ontologies参考文献 13被引用 32

一句话总结

本文提出了一种半自动化的语义方法，利用形式化本体将SNOMED CT临床发现映射到VCM图标。通过手动映射VCM的基础概念并利用描述逻辑与OWL推理，该方法自动生成了82%的正确映射，经专家验证，100个随机选取的SNOMED CT概念中有82个被准确关联至VCM图标。

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.

研究动机与目标

• 解决将SNOMED CT与VCM图标集成以改善临床信息可视化的挑战。
• 实现标准化医学术语（SNOMED CT）与视觉表示（VCM）之间的语义互操作性。
• 开发一种可扩展的方法，将SNOMED CT临床发现映射到VCM图标，而无需完全依赖人工操作。
• 利用形式化本体确保映射过程的一致性与可重用性。
• 通过语义结构上的自动推理，最小化人工工作量，同时最大化准确性。

提出的方法

• 利用SNOMED CT（以描述逻辑表达）和VCM（以OWL形式化）的组合性质，实现语义对齐。
• 手动映射VCM本体中的一小部分基础概念，以建立语义参考基准。
• 应用自动推理与本体匹配技术，推断剩余SNOMED CT临床发现的映射关系。
• 利用OWL和描述逻辑的形式语义，确保生成映射的逻辑一致性和正确性。
• 通过专家对100个随机选取的SNOMED CT概念样本进行评估，验证映射过程。
• 通过识别并修正自动生成链接中的错误，迭代优化映射过程。

实验结果

研究问题

• RQ1 半自动方法能否实现SNOMED CT概念与VCM图标之间准确且可扩展的映射？
• RQ2 SNOMED CT与VCM中的形式化本体在多大程度上支持概念映射的自动推理？
• RQ3 经临床专家验证后，自动映射的准确性如何？
• RQ4 在最小人工输入和最大自动化条件下，可实现的正确映射比例是多少？
• RQ5 映射过程中的错误是否具有系统性，且易于纠正？

主要发现

• 在专家评估中，该方法的成功率达到82%，即在100个随机选取的SNOMED CT概念中，有82个被正确映射到VCM图标。
• 大多数映射错误被识别为易于修复，表明该方法具有高度的可靠性与可维护性。
• 半自动方法显著减少了人工工作量，同时保持了高水平的语义保真度。
• 使用形式化本体通过自动推理实现了稳定且逻辑严谨的映射。
• 结果表明，通过语义对齐实现SNOMED CT与视觉医学术语集成具有可行性。
• 该方法支持可扩展性与可重用性，因为一旦建立了基础映射，新映射即可高效生成。