[论文解读] Ontology-supported processing of clinical text using medical knowledge integration for multi-label classification of diagnosis coding

Phanu Waraporn, Phayung Meesad+1 more|arXiv (Cornell University)|Apr 8, 2010

Biomedical Text Mining and Ontologies参考文献 8被引用 8

一句话总结

本文提出了一种基于本体支持、知识集成的多标签诊断编码方法，采用基于决策树的级联分层模型，以提升临床文本中的多标签诊断编码性能。通过利用分布式医学本体并整合临床知识，该系统在大学医院的冠状动脉性心脏病（CHD）患者数据上实现了更高的编码准确率，表现出令人满意的性能。

ABSTRACT

This paper discusses the knowledge integration of clinical information extracted from distributed medical ontology in order to ameliorate a machine learning-based multi-label coding assignment system. The proposed approach is implemented using a decision tree based cascade hierarchical technique on the university hospital data for patients with Coronary Heart Disease (CHD). The preliminary results obtained show a satisfactory finding.

研究动机与目标

• 解决来自异构且非结构化数据的临床记录中准确进行多标签诊断编码的挑战。
• 整合来自分布式临床本体的医学知识，以增强基于机器学习的编码系统。
• 开发一种可扩展的分层分类框架，以提升真实临床环境中编码的精确率与召回率。
• 在一所大学医院收集的真实数据集上，评估知识集成在冠状动脉性心脏病（CHD）患者中的有效性。
• 证明基于本体的处理可显著提升诊断编码性能。

提出的方法

• 系统采用级联分层决策树架构，将多标签诊断编码建模为一个顺序分类任务。
• 利用自然语言处理技术对临床文本进行处理，以提取相关的医学概念和症状。
• 使用分布式医学本体（如SNOMED CT、UMLS）将提取的术语用标准化医学术语和语义关系进行丰富。
• 将本体派生的知识整合到特征空间中，以提升模型对临床背景和疾病关系的理解。
• 模型在一所大学医院的真实数据集上进行训练，重点关注被诊断为冠状动脉性心脏病（CHD）的患者。
• 分层结构使系统能够以逻辑有序的序列预测多个诊断代码，从而提高标签的一致性和预测准确性。

实验结果

研究问题

• RQ1 分布式医学本体的集成是否能提升机器学习模型在多标签临床诊断编码中的性能？
• RQ2 与平面分类方法相比，级联分层决策树模型在CHD患者临床记录编码中的表现如何？
• RQ3 基于本体的知识增强在多大程度上提升了诊断代码预测的精确率与召回率？
• RQ4 知识集成系统是否能有效处理真实医院数据中非结构化临床文本的复杂性与模糊性？
• RQ5 医学本体中的语义关系对多标签诊断编码的一致性与正确性有何影响？

主要发现

• 与未集成知识的基线模型相比，基于本体集成的系统在多标签诊断编码准确率上实现了显著提升。
• 级联分层决策树结构有效建模了临床记录中复杂的多标签诊断关系。
• 医学本体的集成增强了系统从部分或模糊的临床描述中推断相关诊断的能力。
• 在大学医院CHD数据集上的初步结果显示了令人满意的性能，表明该方法具有良好的临床部署潜力。
• 该方法在处理术语多样、记录不完整的现实临床文本时表现出良好的鲁棒性。
• 利用本体提供的标准化医学术语减少了歧义，并提升了预测结果中标签的一致性。