[논문 리뷰] Natural Language Processing for Smart Healthcare

Binggui Zhou, Guanghua Yang외 2명|arXiv (Cornell University)|2021. 10. 19.

Topic Modeling참고 문헌 205인용 수 14

한 줄 요약

이 논문은 스마트 헬스케어 분야에서 자연어 처리(NLP) 응용에 대한 종합적인 리뷰를 제공하며, NLP 기법, 임상 및 비임상 응용 사례, 핵심 과제를 다룹니다. NLP 파이프라인을 체계적으로 분석하고, 정신건강 및 코로나19 대응을 포함한 다양한 헬스케어 분야의 응용 사례를 다루며, 향후 연구 방향을 규명하여 AI 기반 헬스케어 혁신을 위한 기초 참고 자료를 제공합니다.

ABSTRACT

Smart healthcare has achieved significant progress in recent years. Emerging artificial intelligence (AI) technologies enable various smart applications across various healthcare scenarios. As an essential technology powered by AI, natural language processing (NLP) plays a key role in smart healthcare due to its capability of analysing and understanding human language. In this work, we review existing studies that concern NLP for smart healthcare from the perspectives of technique and application. We first elaborate on different NLP approaches and the NLP pipeline for smart healthcare from the technical point of view. Then, in the context of smart healthcare applications employing NLP techniques, we introduce representative smart healthcare scenarios, including clinical practice, hospital management, personal care, public health, and drug development. We further discuss two specific medical issues, i.e., the coronavirus disease 2019 (COVID-19) pandemic and mental health, in which NLP-driven smart healthcare plays an important role. Finally, we discuss the limitations of current works and identify the directions for future works.

연구 동기 및 목표

• 스마트 헬스케어 시스템에 통합된 NLP 기법과 그 통합 방식에 대한 체계적인 리뷰를 제공하는 것.
• 임상 기록, 병원 운영, 공중보건 감시를 포함한 다양한 헬스케어 응용 분야에서 NLP의 역할을 분석하는 것.
• 특히 코로나19 위기 동안 정신건강 및 팬데믹 대응에서 NLP의 영향을 검토하는 것.
• 현재 헬스케어 분야의 NLP 연구에서 나타나는 한계를 규명하고 향후 연구 방향을 제안하는 것.
• AI 보조 헬스케어 분야의 연구자 및 전문가를 위한 종합적 참고 자료로 기능하는 것.

제안 방법

• 2013년 이후 신경망 기반 NLP의 지배적 위치를 강조하며, NLP 접근 방식을 규칙 기반, 통계 기반, 딥러닝 기반으로 분류하는 것.
• 텍스트 전처리, 엔티티 인식, 관계 추출, 의미 이해를 포함한 헬스케어용 NLP 파이프라인을 개략적으로 설명하는 것.
• 전자건강기록(EHR)을 활용한 임상 환경에서의 NLP 응용 사례를 검토하며, 임상 노트 분석 및 진단 코드 부여를 포함하는 것.
• 환자 설문조사, 건강 모니터링, 다국어 의료 번역을 포함한 비임상적 맥락에서의 NLP를 분석하는 것.
• 자유형 음성 및 텍스트 데이터를 활용한 정신건강 분석에서 정신병 발병 예측 및 심리 상태 평가에 NLP를 적용하는 것.
• 실시간 소셜 미디어 및 임상 보고서 분석을 통한 질병 감시 및 팬데믹 대응을 포함한 공중보건 분야의 NLP를 논의하는 것.

실험 결과

연구 질문

• RQ1 NLP 기법은 스마트 헬스케어 시스템에서 어떻게 진화했고, 어떻게 적용되었는가?
• RQ2 임상 실무, 병원 운영, 개인 건강 모니터링 분야에서의 주요 NLP 응용 사례는 무엇인가?
• RQ3 NLP는 정신건강 평가 및 정신질환의 조기 발견을 어떻게 지원하는가?
• RQ4 특히 코로나19 유행 기간 동안 NLP는 팬데믹 대응에서 어떤 역할을 하는가?
• RQ5 NLP가 헬스케어 분야에 적용될 때 현재의 한계점은 무엇이며, 향후 연구 방향은 무엇인가?

주요 결과

• 딥러닝 기반 NLP 모델은 여러 헬스케어 분야의 NLP 작업에서 최고의 성능을 기록하며, 전통적인 규칙 기반 및 통계 기반 방법을 능가하고 있다.
• NLP는 비정형 EHR 데이터의 자동 분석을 가능하게 하여 임상 의사결정 지원 및 진단 코드 부여 정확도를 향상시킨다.
• NLP 기반 도구는 정신병 발병 예측 능력을 입증하였으며, 고감도로 자유형 음성 데이터에서 정신병 발병을 조기에 탐지하는 데 성공하였다.
• 다국어 및 자원이 제한된 환경을 대비한 NLP 모델은 의료 문서를 다양한 언어로 번역함으로써 글로벌 헬스케어 형평성을 향상시키는 데 잠재력을 보이고 있다.
• 소셜 미디어 및 임상 보고서 분석을 포함한 공중보건 분야의 NLP 응용 사례는 질병 유행의 조기 탐지에 기여하였다.
• 진전이 있었음에도 불구하고, 특히 자원이 제한된 및 다국어 환경에서 해석 가능성, 데이터 프라이버시, 모델 일반화 문제 등 여전히 도전 과제가 남아 있다.