[论文解读] Building a Controlled Vocabulary for Standardizing Precision Medicine Terms

Meng Wu, Yan Liu+4 more|arXiv (Cornell University)|Jul 3, 2018

Biomedical Text Mining and Ontologies参考文献 1被引用 3

一句话总结

本文介绍了精准医学词汇（PMV），这是一种通过整合来自多个来源的生物医学数据并利用统一医学语言系统（UMLS）构建的受控词汇。它整合了1,372,967个概念和4,567,208个术语，涵盖十个语义类型，实现了精准医学研究中数据集成与标准化的统一。

ABSTRACT

Rapid advances of technology and development of research in precision medicine domain have led to the production of different types of biomedical data. Standard medical vocabularies were shown to be limited in dealing with such heterogeneous data and consequently, new controlled vocabulary for data integration and normalization has been proposed. In this study, the precision medicine vocabulary (PMV), which is a controlled vocabulary for terms used in precision medicine, is built based on the method of data integration in Unified Medical Language System (UMLS). It now covers ten top semantic types of disease, drug, gene, gene variation and so on. In total of 1,372,967 concepts and 4,567,208 terms have been integrated from widely used databases related with precision medicine.

研究动机与目标

• 通过创建标准化术语系统，解决精准医学中异构生物医学数据的挑战。
• 克服现有医学词汇在处理精准医学数据复杂性与多样性方面的局限性。
• 通过开发全面的受控词汇，实现在精准医学研究中的一致性数据集成与标准化。
• 通过统一多个权威数据库的术语，支持精准医学中的互操作性与语义互操作性。

提出的方法

• PMV通过利用统一医学语言系统（UMLS）元词典中的数据集成技术构建。
• 从广泛使用的精准医学相关数据库中汇聚概念与术语，包括疾病、药物、基因及基因变异等数据库。
• 语义类型被映射到十个顶层类别：疾病、药物、基因、基因变异及其他与精准医学相关的类别。
• 应用了标准化处理流程，以解决源数据库间术语的同义性与冗余问题。
• 集成过程利用了UMLS现有的基础设施与术语映射能力，以确保一致性和可扩展性。
• 对生成的词汇表在关键精准医学领域中的覆盖范围与一致性进行了验证。

实验结果

研究问题

• RQ1 如何系统性地构建一个受控词汇，以标准化来自多样化数据源的精准医学术语？
• RQ2 整合多个权威数据库中的关键精准医学概念所形成的统一词汇，其规模与覆盖范围如何？
• RQ3 与现有医学术语系统相比，PMV在数据集成与标准化方面提升了多少？
• RQ4 该词汇表在精准医学中核心语义类型（如基因、疾病和药物）的代表性如何？
• RQ5 PMV能否作为精准医学研究中语义互操作性的可扩展基础？

主要发现

• PMV从多个精准医学数据库中整合了总计1,372,967个唯一概念。
• 超过450万个不同的术语被汇聚并标准化到词汇表中，显著提升了术语覆盖范围。
• 该词汇表涵盖十个顶层语义类型，包括疾病、药物、基因和基因变异，确保了广泛的领域覆盖。
• 通过基于UMLS的映射与标准化，集成过程成功解决了术语歧义与同义性问题。
• 生成的词汇表为精准医学应用中的数据集成提供了可扩展且标准化的基础。
• PMV显著提升了精准医学数据交换与分析中的互操作性与一致性。