[논문 리뷰] Negation Detection for Clinical Text Mining in Russian

Anastasia A. Funkner, Ksenia Balabaeva외 1명|arXiv (Cornell University)|2020. 04. 10.

Topic Modeling인용 수 6

한 줄 요약

이 논문은 러시아어 임상 텍스트를 위한 코퍼스 기반, 기울기 부스팅 기반의 부정 탐지 시스템을 제안한다. 이 시스템은 질병이 부정되었는지, 언급되지 않았는지, 존재하는지 분류하도록 설계되었으며, 다섯 가지 질병에 대해 평균 F-스코어가 0.81에서 0.93 사이로 나타나고, 급성 심근경색 환자에서 수술의 존재 여부를 개선하여 예측한다.

ABSTRACT

Developing predictive modeling in medicine requires additional features from unstructured clinical texts. In Russia, there are no instruments for natural language processing to cope with problems of medical records. This paper is devoted to a module of negation detection. The corpus-free machine learning method is based on gradient boosting classifier is used to detect whether a disease is denied, not mentioned or presented in the text. The detector classifies negations for five diseases and shows average F-score from 0.81 to 0.93. The benefits of negation detection have been demonstrated by predicting the presence of surgery for patients with the acute coronary syndrome.

연구 동기 및 목표

• 비구조적 러시아어 의료 기록을 처리하기 위한 NLP 도구의 부족을 해결하기 위해.
• 임상 텍스트에서 질병이 거부되었는지, 존재하지 않는지, 존재하는지 식별하는 부정 탐지 모듈을 개발하기 위해.
• 러시아어와 같은 저자원 임상 언어 환경에 적합한 코퍼스 기반의 기계학습 접근법을 만들기 위해.
• 부정 탐지의 영향이 급성 심근경색 환자에서 수술 개입 예측에 어떤 영향을 미치는지 평가하기 위해.

제안 방법

• 기울기 부스팅 분류기가 임상 문장을 세 가지 범주로 분류하도록 훈련된다: 부정된, 언급되지 않은, 또는 존재하는.
• 수동으로 애너테이션된 훈련 코퍼스가 필요하지 않은 언어학적 및 문법적 특징에 의존한다.
• 특징으로는 단어 수준의 패턴, 의존성 파싱 신호, 러시아어에서의 부정과 관련된 형태소 정보가 포함된다.
• 모델은 다섯 가지 특정 질병에 초점을 맞춘 임상 텍스트 데이터셋에서 훈련되고 평가된다.
• 모델은 일대다 전략을 통해 삼중 분류 출력을 위한 이진 분류 프레임워크로 적응된다.
• 정밀도, 재현율, F-스코어와 같은 표준 지표를 사용하여 모델 성능을 평가한다.

실험 결과

연구 질문

• RQ1 코퍼스 기반 기계학습 접근법이 러시아어 임상 텍스트에서 부정을 효과적으로 탐지할 수 있는가?
• RQ2 모델은 러시아어 의료 기록에서 질병 상태(부정됨, 언급되지 않음, 존재함)를 얼마나 정확하게 분류할 수 있는가?
• RQ3 부정 탐지 기능을 통합할 경우, 수술 결과 예측과 같은 임상 예측 작업에 어떤 정도 향상이 이루어지는가?
• RQ4 러시아어 임상 환경에서 다양한 질병에 대해 모델의 성능은 어떠한가?

주요 결과

• 부정 탐지 모델은 다섯 가지 목표 질병에 대해 평균 F-스코어가 0.81에서 0.93 사이로 나타난다.
• 시스템은 러시아어 임상 노트에서 부정된, 언급되지 않은, 존재하는 질병 상태를 성공적으로 구분한다.
• 부정 탐지 기능을 통합함으로써 급성 심근경색 환자에서 수술 개입 예측이 크게 향상되었다.
• 대규모 수동 애너테이션 훈련 코퍼스가 필요하지 않아 저자원 환경에 적합하다.
• 도메인 특화 훈련 데이터 없이도 기울기 부스팅 분류기가 베이스라인 접근법을 능가한다.
• 이 방법은 러시아어에서 다양한 임상 표현에 대해 강건성과 일반화 능력을 보여준다.