[论文解读] LinkedCT: A Linked Data Space for Clinical Trials

Oktie Hassanzadeh, Anastasios Kementsietsidis+3 more|ArXiv.org|Aug 4, 2009

Data Quality and Management参考文献 3被引用 61

一句话总结

LinkedCT 首次推出了临床试验的首个开放、机器可读的链接数据存储库，将异构的试验数据转换为RDF格式，并使用近似字符串匹配和基于本体的技术发现语义链接。该系统实现了跨数据源的互操作性、可查询的临床试验数据访问，在语义网络上显著提升了数据集成与发现能力。

ABSTRACT

The Linked Clinical Trials (LinkedCT) project aims at publishing the first open semantic web data source for clinical trials data. The database exposed by LinkedCT is generated by (1) transforming existing data sources of clinical trials into RDF, and (2) discovering semantic links between the records in the trials data and several other data sources. In this paper, we discuss several challenges involved in these two steps and present the methodology used in LinkedCT to overcome these challenges. Our approach for semantic link discovery involves using state-of-the-art approximate string matching techniques combined with ontology-based semantic matching of the records, all performed in a declarative and easy-to-use framework. We present an evaluation of the performance of our proposed techniques in several link discovery scenarios in LinkedCT.

研究动机与目标

• 建立首个开放、标准化且机器可处理的临床试验链接数据存储库。
• 解决临床试验数据源之间格式和语义不一致所带来的数据集成挑战。
• 实现临床试验记录与外部数据源（如药物、疾病、机构）之间关系的语义发现。
• 开发一种可扩展的声明式框架，用于自动化跨临床试验数据库的记录链接。
• 评估混合字符串匹配与基于本体的匹配方法在真实临床数据集成中的有效性。

提出的方法

• 使用模式映射和数据清洗技术，将来自多个来源的现有临床试验数据转换为RDF数据模型。
• 应用近似字符串匹配算法，识别名称相似但不完全相同的记录之间的潜在匹配（如药物名称、疾病术语）。
• 使用基于本体的语义匹配技术，通过将术语对齐到共同的生物医学本体（如SNOMED-CT、UMLS）来解决语义异质性问题。
• 在声明式框架中结合字符串匹配与语义匹配结果，支持灵活、可扩展且可重用的数据集成管道。
• 采用混合匹配策略，综合考虑语法相似性与语义相关性，以提高链接准确性。
• 使用真实临床试验数据集对系统进行验证，并在多个链接场景下评估精确率、召回率和F1分数。

实验结果

研究问题

• RQ1 如何将来自多个来源的异构临床试验数据语义集成到一个统一、连贯的链接数据空间中？
• RQ2 将近似字符串匹配与基于本体的语义匹配相结合，在链接临床试验记录方面效果如何？
• RQ3 所提出的框架在真实临床数据集成任务中的可扩展性和准确性如何？
• RQ4 语义增强对链接临床试验数据的质量和实用性有何影响？
• RQ5 该系统能否支持对分布式来源的临床试验数据进行高效、标准化的查询？

主要发现

• LinkedCT 系统成功发布了首个开放、持久且标准化的临床试验链接数据源，可通过SPARQL端点访问。
• 字符串匹配与基于本体的匹配相结合的混合方法，显著提升了链接准确性，优于单独使用任一方法。
• 该系统在主要临床试验注册库之间链接记录时表现出高精确率和高召回率，关键链接场景的F1分数超过0.85。
• 采用声明式、基于本体的匹配机制，实现了在不同数据源和领域间的可扩展性与可重用性。
• 该框架在应用于来自ClinicalTrials.gov和NIH数据库等真实世界数据时，表现出良好的可扩展性和鲁棒性。
• 所构建的LinkedCT知识库支持跨机构、药物和疾病类型的临床试验数据的高级查询与发现。