[论文解读] PatientEG Dataset: Bringing Event Graph Model with Temporal Relations to Electronic Medical Records

Xuli Liu, Jihao Jin+5 more|arXiv (Cornell University)|Dec 24, 2018

Biomedical Text Mining and Ontologies参考文献 3被引用 4

一句话总结

本文提出 PatientEG 模型，一种患者事件图表示方法，通过语义图模型显式编码电子病历（EMRs）中的医学实体、事件及时间关系。通过构建包含 191,294 个事件、3,429 个实体和 545,993 个时间关系的数据集，并将其与中文生物医学知识图谱关联，作者实现了通过 SPARQL 进行高效、复杂的临床查询，显著提升了传统关系型数据库在查询表达能力和效率方面的表现。

ABSTRACT

Medical activities, such as diagnoses, medicine treatments, and laboratory tests, as well as temporal relations between these activities are the basic concepts in clinical research. However, existing relational data model on electronic medical records (EMRs) lacks explicit and accurate semantic definitions of these concepts. It leads to the inconvenience of query construction and the inefficiency of query execution where multi-table join queries are frequently required. In this paper, we propose a patient event graph (PatientEG) model to capture the characteristics of EMRs. We respectively define five types of medical entities, five types of medical events and five types of temporal relations. Based on the proposed model, we also construct a PatientEG dataset with 191,294 events, 3,429 distinct entities, and 545,993 temporal relations using EMRs from Shanghai Shuguang hospital. To help to normalize entity values which contain synonyms, hyponymies, and abbreviations, we link them with the Chinese biomedical knowledge graph. With the help of PatientEG dataset, we are able to conveniently perform complex queries for clinical research such as auxiliary diagnosis and therapeutic effectiveness analysis. In addition, we provide a SPARQL endpoint to access PatientEG dataset and the dataset is also publicly available online. Also, we list several illustrative SPARQL queries on our website.

研究动机与目标

• 为解决关系型数据库在表示电子病历中医学事件和时间关系方面的局限性。
• 开发一种语义化的、基于图的模型，显式定义医学实体、事件及时间关系，以支持临床研究。
• 基于真实电子病历，利用中文生物医学知识图谱对实体值进行归一化，构建公开可用的链接数据 PatientEG 数据集。
• 通过 SPARQL 端点和示例查询，支持复杂临床查询，特别是涉及时间序列的查询。
• 通过结构化、机器可处理的电子病历数据，支持临床应用，如辅助诊断、疗效分析和死亡风险预测。

提出的方法

• 基于简单事件模型（SEM）提出患者事件图（PatientEG）模型，明确定义五类医学实体、五类医学事件及五类时间关系。
• 从上海曙光医院的信息系统中提取并结构化电子病历数据，采用以事件为中心的表示方式转换为图格式。
• 通过链接中文生物医学知识图谱（CBioMedKG），对实体值（如同义词、缩写、上下位词）进行归一化处理。
• 以 RDF 格式发布 PatientEG 数据集为链接数据，并提供公开的 SPARQL 端点以支持程序化访问。
• 设计并实现一组用于临床研究任务的示例 SPARQL 查询，包括单事件查询、多事件查询及受约束的多事件查询。
• 采用链接数据发布最佳实践，确保数据的可重用性、可扩展性以及与其他生物医学知识库的互操作性。

实验结果

研究问题

• RQ1 如何有效建模电子病历中的医学事件与时间关系，以支持复杂临床查询？
• RQ2 利用生物医学知识图谱进行实体归一化对电子病历分析中查询准确率与表达能力有何影响？
• RQ3 基于图的电子病历表示是否能在临床研究中实现比传统关系型数据库更高的查询效率与表达能力？
• RQ4 如何系统性地捕捉并利用医学事件之间的时间关系，以支持临床决策支持系统？
• RQ5 公开的、可通过 SPARQL 访问的、经过语义增强的电子病历数据集在多大程度上能改善临床研究工作流程？

主要发现

• PatientEG 数据集包含 191,294 个事件、3,429 个不同的医学实体以及 545,993 个时间关系，均来自中国某医院的真实电子病历。
• 将实体链接至中文生物医学知识图谱（CBioMedKG）可实现对同义词、缩写和上下位词的归一化，提升查询的鲁棒性。
• 数据集以链接数据形式发布，并提供公开的 SPARQL 端点，支持程序化访问及与其他知识库的集成。
• 示例 SPARQL 查询展示了该模型在表达涉及多个事件和时间约束的复杂临床查询方面的能力，例如追踪治疗序列及其结果。
• PatientEG 模型通过将多表连接类查询替换为图遍历操作，显著提升了临床研究工作负载下的查询性能。
• 该模型具备可扩展性，可进一步增强额外关系（如药物与疾病之间的因果关系），以支持更广泛的临床应用。