[论文解读] The Abzooba Smart Health Informatics Platform (SHIP) TM - From Patient Experiences to Big Data to Insights

Naveen Ashish, Antarip Biswas+3 more|arXiv (Cornell University)|Mar 16, 2012

Sentiment Analysis and Opinion Mining参考文献 2被引用 4

一句话总结

Abzooba 智慧健康信息平台（SHIP）™ 利用自然语言处理和大数据分析，从健康社交媒体论坛中的患者讨论中提取结构化洞察，实现患者与相关同伴经验的个性化连接。通过从非结构化对话中提炼事实和表达，SHIP 提供上下文相关的健康洞察，推动基于患者生成数据的结果研究。

ABSTRACT

This paper describes a technology to connect patients to information in the experiences of other patients by using the power of structured big data. The approach, implemented in the Abzooba Smart Health Informatics Platform (SHIP),is to distill concepts of facts and expressions from conversations and discussions in health social media forums, and use those distilled concepts in connecting patients to experiences and insights that are highly relevant to them in particular. We envision our work, in progress, to provide new and effective tools to exploit the richness of content in social media in health for outcomes research.

研究动机与目标

• 开发一种系统，通过从非结构化讨论中提取有意义的洞察，将患者与健康社交媒体中的相关同伴经验相连接。
• 解决在大量非正式在线健康对话中难以获取可操作的、以患者为中心的健康信息的挑战。
• 通过语义和数据挖掘技术对社交媒体中的患者报告体验进行结构化与分析，推动结果研究。
• 创建一个可扩展的智能平台，将原始患者叙述转化为可搜索、语义丰富的知识，供临床和研究使用。

提出的方法

• 该平台使用自然语言处理（NLP）技术，从健康论坛中的非结构化文本中提取关键事实、概念和表达。
• 应用信息抽取方法，从对话内容中识别患者报告的症状、治疗方案、结果和体验。
• 将提取的信息结构化为语义知识库，支持语义索引与检索。
• 采用基于概念的匹配机制，根据症状、疾病或治疗结果，将患者与相似经验相连接。
• 该架构支持对来自健康社交媒体的大数据进行可扩展处理，实现实时或近实时的洞察交付。
• 平台整合人工智能与信息检索技术，以提高患者间经验匹配的相关性与准确性。

实验结果

研究问题

• RQ1 如何有效将健康社交媒体中的非结构化患者叙述转化为结构化、可操作的洞察？
• RQ2 哪些技术能够实现从非正式健康论坛讨论中准确提取事实与表达？
• RQ3 如何对患者经验进行语义索引与检索，以支持个性化健康信息的提供？
• RQ4 社交媒体中的患者生成数据在多大程度上能够改善结果研究与临床决策支持？

主要发现

• 该平台成功从健康论坛的患者讨论中提取并结构化了临床相关的事实与表达。
• 该系统能够基于患者特定的症状和治疗概况，实现个性化同伴经验的检索。
• 该方法在将非结构化的社交媒体内容转化为语义组织的知识以支持健康研究方面，展示了可行性。
• 该平台支持对健康社交媒体大数据的可扩展分析，实现实时洞察。