[論文レビュー] Launching into clinical space with medspaCy: a new clinical text processing toolkit in Python

Hannah Eyre, Alec B. Chapman+7 more|arXiv (Cornell University)|Jun 14, 2021

Biomedical Text Mining and Ontologies被引用数 4

ひとこと要約

medspaCy は、臨床テキスト処理のためのルールベースおよび機械学習手法を統合した、オープンソースで spaCy ベースの臨床 NLP ツールキットです。名前付きエンティティ認識、否定検出、SNOMED-CT マッピングなどのタスク向けに、カスタマイズ可能で高性能なパイプラインの迅速な開発を可能にし、臨床テキスト分析プロジェクトにおける開発時間を顕著に短縮します。

ABSTRACT

Despite impressive success of machine learning algorithms in clinical natural language processing (cNLP), rule-based approaches still have a prominent role. In this paper, we introduce medspaCy, an extensible, open-source cNLP library based on spaCy framework that allows flexible integration of rule-based and machine learning-based algorithms adapted to clinical text. MedspaCy includes a variety of components that meet common cNLP needs such as context analysis and mapping to standard terminologies. By utilizing spaCy's clear and easy-to-use conventions, medspaCy enables development of custom pipelines that integrate easily with other spaCy-based modules. Our toolkit includes several core components and facilitates rapid development of pipelines for clinical text.

研究の動機と目的

• ルールベースおよび機械学習アプローチを統合した再利用可能で相互運用可能で拡張可能な臨床 NLP ツールキットの不足を解消すること。
• モジュラーで拡張可能なフレームワークと標準化されたインターフェースを提供することで、臨床 NLP パイプラインの構築にかかる開発負荷を軽減すること。
• Python ベースで spaCy に統合されたツールキットを通じて、研究者や開発者の臨床テキスト処理におけるアクセス性と生産性を向上させること。
• 自殺予防研究、健康の社会的決定要因抽出、臨床教育など、多様な臨床応用を支援すること。
• カスタマイズ可能なコンポONENTと事前学習済みリソースを用いて、臨床 NLP システムの迅速なプロトタイプ作成とデプロイを可能にすること。

提案手法

• 拡張可能な臨床 NLP パイプラインの構築基盤として、オブジェクト指向で高速な NLP フレームワークである spaCy を活用すること。
• 臨床推論メタデータを直接 spaCy オブジェクトに格納・アクセスできるように、カスタム属性拡張（例：token._.is_negated）を導入すること。
• エンティティリンク、コンテキスト分析、UMLS リソースを介した SNOMED-CT マッピングなどの臨床 NLP タスク向けモジュラーコンポONENTを提供すること。
• 設定可能なパラメータを持つプラグアンドプレイコンポONENTを通じて、ルールベースおよび機械学習ベースの処理を両方サポートすること。
• 標準用語マッピングや臨床概念解像のため、UMLS などの外部知識ベースとの統合を可能にすること。
• シンプルなインストールプロセスと一貫した Python API を通じて、反復的開発および探索的分析を促進すること。

実験結果

リサーチクエスチョン

• RQ1 臨床テキスト処理に適した、ルールベースおよび機械学習ベースの手法をシームレスに統合できる臨床 NLP ツールキットは、どのように設計できるか？
• RQ2 臨床 NLP パイプラインにおいて、高い再利用性、拡張性、パフォーマンスを実現するアーキテクチャパターンは何か？
• RQ3 spaCy ベースのツールキットは、臨床テキスト分析プロジェクトにおける開発時間と複雑さをどの程度短減できるか？
• RQ4 medspaCy は、自殺予防や健康の社会的決定要因抽出といった実世界の臨床研究応用において、どの程度効果的か？
• RQ5 medspaCy は、非専門家ユーザー向けに臨床 NLP を教える有効な教育的ツールとして機能できるか？

主な発見

• medspaCy は、3か月以内に自殺予防関連の自由記述9,040件を分析可能にし、大規模な臨床研究における実用性を示した。
• ツールキットは、SSVF プログラム向けの住宅安定性パイプラインの迅速開発を支援し、臨床ノートからのホームレス状態および住宅状態の抽出を可能にした。
• medspaCy は、プログラミング経験が限定的な医学生が参加する多日間の臨床データサイエンスコースでも成功裏に使用され、機能的な NLP システムの構築が可能になった。
• ツールキットのモジュラー設計と一貫した API により、多様なソースからのコンポONENTが一貫した生産環境向けパイプラインにシームレスに統合された。
• medspaCy が UMLS ベースの用語マッピングをサポートすることで、実世界の応用において正確な臨床概念解像が実現した。
• フレームワークにより、一般的な cNLP タスク向けに再利用可能で、文書化が整ったコンポONENTを提供することで、カスタムコードの再実装の必要性が低減された。