[论文解读] Clinical Text Summarization with Syntax-Based Negation and Semantic Concept Identification

Wei‐Hung Weng, Yu-An Chung+1 more|arXiv (Cornell University)|Feb 29, 2020

Topic Modeling参考文献 31被引用 8

一句话总结

本文提出了一种基于句法的临床文本摘要方法，通过结合UMLS的语义概念识别与短语结构树解析，以高精度检测被否定的临床概念。通过利用语言结构和专家整理的生物医学知识，该方法在识别和否定关键临床概念方面实现了临床可接受的性能，尤其在复杂或片段化的叙述性病历中表现优异。

ABSTRACT

In the era of clinical information explosion, a good strategy for clinical text summarization is helpful to improve the clinical workflow. The ideal summarization strategy can preserve important information in the informative but less organized, ill-structured clinical narrative texts. Instead of using pure statistical learning approaches, which are difficult to interpret and explain, we utilized knowledge of computational linguistics with human experts-curated biomedical knowledge base to achieve the interpretable and meaningful clinical text summarization. Our research objective is to use the biomedical ontology with semantic information, and take the advantage from the language hierarchical structure, the constituency tree, in order to identify the correct clinical concepts and the corresponding negation information, which is critical for summarizing clinical concepts from narrative text. We achieved the clinically acceptable performance for both negation detection and concept identification, and the clinical concepts with common negated patterns can be identified and negated by the proposed method.

研究动机与目标

• 解决电子健康记录（EHRs）中非结构化或弱结构化的临床叙述性文本摘要问题，以支持临床决策制定。
• 通过整合可解释的语言学与生物医学知识，克服纯统计模型与深度学习模型在临床NLP中的局限性。
• 通过句法解析与语义过滤，提升临床相关概念及其否定状态识别的准确性。
• 开发基于规则的系统，用于分类否定触发词并将其应用于句法结构，以正确识别被否定的临床概念。
• 通过生成经筛选的、条目化的摘要，创建有效临床沟通的原型，呈现各文档部分的关键临床发现及其否定状态。

提出的方法

• 使用Stanford CoreNLP和Apache cTAKES进行句子切分、分词和临床命名实体识别（NER）。
• 通过Stanford Tregex/Tsurgeon和OpenNLP进行短语结构树解析，提取句法结构以支持否定检测。
• 将否定触发词（如“no”、“rule out”）分类为不同类别，并应用句法规则以确定否定的范围。
• 整合UMLS术语词典与语义网络，对临床概念进行标准化与过滤，减少误报。
• 将否定检测与概念识别相结合，为每份文档的各个部分生成结构化、条目化的临床发现摘要。
• 使用人工专家标注进行错误分析，并指导在片段化或缩写型临床句子中解析与规则设计的改进。

实验结果

研究问题

• RQ1 基于句法的解析在非结构化叙述性EHR病历中如何提升被否定临床概念的检测性能？
• RQ2 通过UMLS进行语义过滤在EHR文本中对临床概念识别的精确度提升程度如何？
• RQ3 当应用于包含片段化或缩写句的临床文本时，统计型短语结构解析器存在哪些局限性？
• RQ4 在低资源临床NLP场景下，基于规则的否定检测结合语言结构是否能优于端到端深度学习模型？
• RQ5 如何有效整合生物医学知识库与句法解析，以生成可解释且具有临床意义的摘要？

主要发现

• 在使用UMLS语义过滤时，概念识别的F1值达到0.836，而未过滤时仅为0.568，表明精确度显著提升。
• 概念识别的准确率从无过滤时的0.397提升至有过滤时的0.719，表明语义过滤能有效减少无关或噪声概念。
• 否定检测对常见否定模式有效，但因短语结构树解析错误，在片段化或缩写型临床句子中表现不佳。
• 使用UMLS语义过滤可减少误报，通过剔除非临床语义类型（如“法规或法律”和“基因或基因组”）。
• 尽管在两种过滤条件下召回率均较高（0.830），但无过滤时精确度显著偏低，凸显了在临床概念抽取中进行语义类型过滤的必要性。
• 研究发现cTAKES NER有时会产生过度细粒度或模糊的概念（如“tongue elevation”与“elevation”），提示需要引入跨度标准化或概念合并策略。