[论文解读] PDD Graph: Bridging Electronic Medical Records and Biomedical Knowledge Graphs via Entity Linking

Meng Wang, Jiaheng Zhang+5 more|arXiv (Cornell University)|Jul 17, 2017

Biomedical Text Mining and Ontologies参考文献 11被引用 3

一句话总结

本文提出了PDD Graph，一个大规模、高质量的异构知识图谱，通过实体链接将MIMIC-III电子病历（EMRs）与生物医学知识图谱（DrugBank和ICD-9）相连接。通过提取并链接58,030个实体和230万条RDF三元组——在实体链接中实现了94%的精确率和85%的召回率——PDD Graph通过公开的SPARQL端点支持高级临床发现，如治疗建议和药物相互作用分析。

ABSTRACT

Electronic medical records contain multi-format electronic medical data that consist of an abundance of medical knowledge. Facing with patient's symptoms, experienced caregivers make right medical decisions based on their professional knowledge that accurately grasps relationships between symptoms, diagnosis and corresponding treatments. In this paper, we aim to capture these relationships by constructing a large and high-quality heterogenous graph linking patients, diseases, and drugs (PDD) in EMRs. Specifically, we propose a novel framework to extract important medical entities from MIMIC-III (Medical Information Mart for Intensive Care III) and automatically link them with the existing biomedical knowledge graphs, including ICD-9 ontology and DrugBank. The PDD graph presented in this paper is accessible on the Web via the SPARQL endpoint, and provides a pathway for medical discovery and applications, such as effective treatment recommendations.

研究动机与目标

• 为弥合电子病历（EMRs）中的临床数据与生物医学知识图谱之间的差距，通过整合患者级数据与结构化医疗事实。
• 实现药物、疾病与患者结局之间在独立生物医学KG中缺失的临床相关关系的发现。
• 构建一个高质量、开放获取的PDD图谱数据集，将MIMIC-III中的实体与DrugBank和ICD-9本体相链接，以供研究使用。
• 为研究人员提供SPARQL端点，以探索EMRs与生物医学知识图谱之间的关系。
• 通过一种新型框架，提升电子病历文本与外部知识源之间实体链接的准确性和实用性。

提出的方法

• 从MIMIC-III中通过临床记录、处方和诊断信息提取医疗实体（患者、药物、疾病）。
• 应用实体链接模型（ENM）利用字符串匹配和上下文感知消歧，将提取的实体映射到DrugBank和ICD-9本体中的对应实体。
• 使用PDD定义将生成的知识表示为RDF图谱，三元组表达患者-药物和患者-疾病关系。
• 使用SPARQL端点（Apache Jena Fuseki）公开PDD图谱，支持程序化访问和联邦查询。
• 通过在500个样本上的手动验证评估实体链接的准确性，实现94%的精确率和85%的召回率。
• 通过错误分析和数据整理，处理非标准药物名称（如'NS'）和短标识符（如'N'）等边缘情况。

实验结果

研究问题

• RQ1 能否将MIMIC-III中的临床实体准确链接到DrugBank和ICD-9等现有生物医学知识图谱？
• RQ2 电子病历派生的患者数据在多大程度上可与结构化生物医学知识整合，以揭示具有临床意义的关系？
• RQ3 所提出的实体链接模型在将多样的临床术语映射到标准化生物医学本体方面有多高效？
• RQ4 在实体链接和三元组生成方面，PDD图谱的覆盖率和质量如何？
• RQ5 集成的PDD图谱能否支持治疗建议和药物相互作用分析等高级临床应用？

主要发现

• PDD Graph包含58,030个实体和230万条RDF三元组，构成一个大规模、异构的知识图谱，连接患者、药物和疾病。
• MIMIC-III中83.4%的用药记录成功链接至DrugBank，其中4,525种药物中有3,449种被匹配。
• 99.9%的诊断病症已链接至ICD-9本体，仅有两个未匹配代码（'71970'和'NULL'）。
• 在500个样本的手动验证集中，实体链接模型实现了94%的精确率和85%的召回率。
• 在200个随机选取链接的独立手动评估中，链接实体的精确率确认为93%。
• 链接困难主要源于非标准药物名称（如'NS'）和短标识符（如'N'），因缺乏足够上下文导致准确映射困难。