[论文解读] Clinical Relationships Extraction Techniques from Patient Narratives

Wafaa Tawfik Abdel-moneim, Mohamed Hashem Abdel-Aziz+1 more|arXiv (Cornell University)|Jun 21, 2013

Biomedical Text Mining and Ontologies参考文献 30被引用 5

一句话总结

本文提出了一种混合方法，通过结合基于规则的解析（使用领域特定语法）与监督式机器学习，从患者病历中提取临床关系。该研究评估了多种特征、语料规模和算法，结果表明：在肿瘤学专用标注语料上，将句法解析与统计模型结合可显著提升关系抽取性能，其中SVM与CRF表现尤为出色。

ABSTRACT

The Clinical E-Science Framework (CLEF) project was used to extract important information from medical texts by building a system for the purpose of clinical research, evidence-based healthcare and genotype-meets-phenotype informatics. The system is divided into two parts, one part concerns with the identification of relationships between clinically important entities in the text. The full parses and domain-specific grammars had been used to apply many approaches to extract the relationship. In the second part of the system, statistical machine learning (ML) approaches are applied to extract relationship. A corpus of oncology narratives that hand annotated with clinical relationships can be used to train and test a system that has been designed and implemented by supervised machine learning (ML) approaches. Many features can be extracted from these texts that are used to build a model by the classifier. Multiple supervised machine learning algorithms can be applied for relationship extraction. Effects of adding the features, changing the size of the corpus, and changing the type of the algorithm on relationship extraction are examined. Keywords: Text mining; information extraction; NLP; entities; and relations.

研究动机与目标

• 开发一种系统，从非结构化患者病历中提取临床相关关系，用于临床研究与精准医学。
• 解决在自由文本医疗记录中识别复杂关系（如基因型-表型关联）的挑战。
• 评估特征工程、语料规模及机器学习算法选择对关系抽取性能的影响。
• 创建并发布一个经人工标注的肿瘤学病历语料，包含临床关系，用于模型训练与基准测试。

提出的方法

• 系统利用完整句法解析与领域特定语法规则，通过基于规则的解析提取关系。
• 在人工标注的肿瘤学病历语料上应用监督式机器学习模型，如SVM、CRF与朴素贝叶斯。
• 提取的特征包括句法依存关系、词汇线索、命名实体以及关系触发词周围的局部上下文。
• 使用150份肿瘤学病历的语料进行交叉验证，对模型进行训练与测试，其中临床关系由人工标注。
• 评估不同特征组合对分类准确率的贡献。
• 在不同规模的语料上比较多种算法的性能，以评估其可扩展性与鲁棒性。

实验结果

研究问题

• RQ1 不同特征集如何影响临床病历中关系抽取的性能？
• RQ2 语料规模对监督式机器学习模型在临床关系抽取中的准确率有何影响？
• RQ3 哪种机器学习算法在从患者病历中抽取临床关系方面表现最佳？
• RQ4 基于规则的解析技术与统计模型结合，在捕捉复杂临床关系方面效果如何？

主要发现

• 与基线方法相比，使用句法解析与领域特定语法显著提升了关系抽取的精确率。
• 引入依存路径与词汇线索等特征后，F1分数相比仅使用表层特征的模型最高提升了12%。
• SVM与CRF模型优于朴素贝叶斯，在最优特征选择下，测试集F1分数达到83.7%。
• 随着训练语料规模增大，性能有所提升，但当标注病历超过100份后，增益逐渐减小，表明存在收益递减点。
• 基于规则的解析与机器学习相结合的模型，其F1分数高于任一方法单独使用，证明了二者具有互补优势。