Vi presentiamo un protocollo e un modello di metadati associata per l’estrazione di testo che descrive concetti biomedicale in rapporti clinici di caso. I valori di testo strutturato prodotti tramite questo protocollo possono supportare profonda analisi di migliaia di narrazioni cliniche.
Rapporti di caso clinici (CCRs) sono un prezioso mezzo di scambio di osservazioni e le intuizioni in medicina. La forma di questi documenti varia, e loro contenuto include descrizioni di malattia romanzo numerosi, presentazioni e trattamenti. Finora, i dati di testo all’interno di CCRs sono in gran parte non strutturati, che richiedono notevole sforzo umano e computazionale per il rendering di questi dati utili per un’analisi approfondita. In questo protocollo, descriviamo i metodi per identificare i metadati corrispondenti a specifici concetti biomedicale frequentemente osservati all’interno di CCRs. Forniamo un modello di metadati come una guida per l’annotazione del documento, riconoscendo che l’imponente struttura il CCRs possono essere perseguiti mediante combinazioni di sforzo manuale e automatizzato. L’approccio qui presentato è appropriato per l’organizzazione del testo concetto correlato da un corpus di grande letteratura (per esempio, migliaia di CCRs) ma può essere facilmente adattato per facilitare più mirata attività o piccoli gruppi di report. I dati di testo strutturato risultante includono sufficiente contesto semantico per supportare un’ampia gamma di flussi di lavoro di testo successive analisi: meta-analisi per determinare come massimizzare CCR in dettaglio, studi epidemiologici delle malattie rare e lo sviluppo di modelli di il linguaggio medico può essere fatta più realizzabili e gestibili attraverso l’uso di dati di testo strutturati.
Rapporti di caso clinici (CCRs) sono un mezzo fondamentale di condividere le osservazioni e le intuizioni in medicina. Questi servono come un meccanismo di base di comunicazione e di formazione per medici e studenti di medicina. Storicamente, CCRs hanno fornito anche account di malattie emergenti, loro trattamenti e loro ambiti di provenienza genetici1,2,3,4. Ad esempio, il primo trattamento della rabbia umana da Louis Pasteur nel 18855,6 e la prima applicazione di penicillina in pazienti7 erano entrambi segnalati attraverso CCRs. CCRs più di 1,87 milioni sono stati pubblicati a partire da aprile 2018, con oltre mezzo milione nell’ultimo decennio; riviste stanno continuando a fornire nuove sedi per questi rapporti8. Ma pur sempre unica nella forma e nel contenuto, CCRs contengono dati di testo sono in gran parte non strutturati, contengono un vasto vocabolario e riguardano fenomeni interconnessi, limitando il loro utilizzo come risorsa strutturata. È necessario uno sforzo significativo per estrarre metadati dettagliati (cioè, “dati sui dati”, o in questo caso, le descrizioni del contenuto del documento) da CCRs e stabilire come un dati trovabili, accessibile, interoperabili e riutilizzabili (FAIR)9 risorsa.
Qui, descriviamo un processo per l’estrazione di testo e i valori numerici per standardizzare la descrizione di concetti specifici biomedicale all’interno CCRs pubblicati. Questa metodologia include un modello di metadati per guidare l’annotazione; vedere la Figura 1 per una panoramica di questo processo. Applicazione del processo di annotazione ad una vasta collezione di report (ad esempio, diverse migliaia di un tipo specifico di presentazione della malattia) consente il montaggio di un insieme di testi clinici con annotazioni, gestibile e strutturato raggiungimento leggibile dal computer documentazione e fenomeni biomedici incorporato all’interno di ogni presentazione clinica. Anche se i formati di dati quali quelli forniti da HL7 (ad es., versione 3 di messaggistica Standard10 o la veloce Healthcare Interoperability Resources [Simone]11), LOINC12e revisione 10 della statistica internazionale Classificazione delle malattie e dei problemi sanitari correlati (ICD-10)13 offrono gli standard per la descrizione e lo scambio di osservazioni cliniche, non catturano il testo che circonda questi dati, né intendono a. I risultati della nostra metodologia sono meglio utilizzati per imporre struttura il CCRs e facilitare la successiva analisi, normalizzazione attraverso vocabolari controllati e sistemi di codifica (ad es., ICD-10), e/o conversione nei formati di dati clinici sopra elencati .
CCRs di data mining è un’area attiva di lavoro all’interno di informatica biomedica e clinica. Anche se precedenti proposte di standardizzare la struttura dei rapporti di caso (ad es., utilizzando HL7 v 2.514 o standardizzata fenotipo terminologia15) sono lodevoli, è probabile che CCRs continuerà a seguire una varietà di diversi forme di linguaggio naturale e layout di documento, come essi hanno per gran parte del secolo scorso. In condizioni ideali, gli autori dei nuovi rapporti di caso seguire cura orientamenti16 per assicurarsi che siano complete. Approcci sensibili al linguaggio naturale e la sua relazione a concetti medici possono quindi essere più efficaci nel lavoro con report nuovi e archiviati. Risorse come mestiere17 e quelli produssero da informatica per integrare la biologia e la curatela di18 comodino (i2b2) sostenere approcci di natural language processing (NLP) ancora non lo fanno in particolare focus su CCRs o narrazioni cliniche. Allo stesso modo, medicali strumenti di PNL come cTAKES19 e morsetto20 sono stati sviluppati ma generalmente identificano specifiche parole o frasi (cioè, entità) all’interno di documenti piuttosto che i concetti generali comunemente descritti in CCRs.
Abbiamo progettato un modello di metadati standardizzati per funzionalità comunemente incluse all’interno di CCRs. Questo modello definisce caratteristiche per imporre struttura il CCRs — un precursore essenziale per i confronti approfonditi del contenuto del documento-ancora permette una flessibilità sufficiente per mantenere il contesto semantico. Anche se abbiamo progettato il formato associato questo modello da essere adatte sia annotazione manuale e computazionalmente assistita text mining, abbiamo garantito che è particolarmente facile da usare per annotatori manuale. Il nostro approccio differisce notevolmente da più intricate (e, quindi, meno ricercatori immediatamente comprensibili all’inesperto) quadri come Simone21. Il seguente protocollo viene descritto come isolare le caratteristiche dei documenti corrispondenti a ciascun tipo di dati di modello, con un singolo set di valori corrispondenti a quelli di un singolo CCR.
I tipi di dati all’interno del modello sono quelli più descrittivo per CCRs e focalizzata sul paziente documenti medici in generale. Annotazione di queste caratteristiche promuove findability, accessibilità, interoperabilità e riusabilità del testo CCR, principalmente mediante l’assegnazione di struttura. I tipi di dati sono in quattro categorie generali: annotazione e documento di identificazione, identificazione del rapporto di caso (cioè, proprietà a livello di documento), concetti contenuti medici (principalmente a livello di concetto proprietà) e riconoscimenti (cioè funzionalità fornendo la prova di finanziamento). In questo processo di annotazione, ogni documento contiene il testo completo di un CCR, omettendo qualsiasi materiale di contenuto documento indipendente per il caso (ad es., protocolli sperimentali). CCRs sono generalmente meno di 1.000 parole ciascuno; un corpus unico dovrebbe idealmente essere indicizzato dallo stesso database bibliografico ed essere nella stessa lingua scritta.
Il prodotto dell’approccio descritto qui, quando applicato a un corpus CCR, è un insieme strutturato di testo clinico con annotazioni. Mentre questa metodologia può essere eseguita completamente manualmente ed è stata progettata per essere eseguito da esperti di dominio senza alcuna esperienza informatica, integra gli approcci di elaborazione del linguaggio naturale sopra specificati e fornisce i dati appropriati per analisi computazionale. Tali analisi possono essere di interesse per il pubblico di ricercatori di là di coloro che leggono frequentemente CCRs, tra cui:
Far rispettare la struttura il CCRs può supportare numerosi successivi sforzi per comprendere meglio sia il linguaggio medico e biomedicali fenomeni.
Implementazione di un modello di metadati standardizzati per CCRs può rendere loro più giusto contenuto, espandere il loro pubblico ed estendere le loro applicazioni. Seguendo l’uso tradizionale del CCRs come strumenti educativi nelle comunicazioni mediche, cure mediche apprendisti (ad es., gli studenti di medicina, stagisti e borsisti) e ricercatori in campo biomedico possono trovare che report riassuntivo caso contenuto attiva più rapida comprensione. La forza più grande di standardizzazione di metadati con CCRs, tuttavia, è che l’indicizzazione queste trasformazioni di dati altrimenti isolate osservazioni nei modelli interpretabile. Il protocollo fornito qui può servire come il primo passo in un flusso di lavoro per lavorare con CCRs, se questo flusso di lavoro è costituito da analisi epidemiologica, droga post-marketing o sorveglianza di trattamento o sondaggi più ampi di patogenesi o efficacia terapeutica. Strutturato caratteristiche identificate all’interno di CCRs possono fornire una risorsa utile per i ricercatori concentrandosi sulla malattia presentazioni e trattamenti, in particolare per patologie rare. Ricercatori clinici possono trovare dati sul passato regimi di trattamento per analizzare registrati sintomi o effetti collaterali e grado di miglioramento sotto precedenti standard di cura. I dati possono anche unità di analisi più ampie di un nuovi trattamenti basati sull’efficacia, mancanza di tossicità, o gli effetti negativi o su drug targeting per le differenze di sesso, età o background genetico.
Le prestazioni fornite dai metadati strutturati sono allo stesso modo applicabile ai flussi di lavoro computazionale progettati per analizzare o modellare il linguaggio medico. Caratteristiche CCR strutturati possono anche fornire contenuto di prova delle zone dove gli autori di report possono fornire più facilmente leggibile (e in alcuni casi, leggibile). Varianza tra CCRs può derivare da una mancanza di osservazioni in modo esplicito fornite: ad es., età esatta di un paziente non può essere specificato. Allo stesso modo, i clinici possono non menzionare test se la diagnostica o i loro risultati sono stati considerati banali. Fornendo esempi di lacune necessarie per un’analisi approfondita, far rispettare la struttura il CCRs evidenzia potenziali miglioramenti. In una prospettiva più ampia, una maggiore disponibilità di dati di testo strutturati da documenti medici supporta gli sforzi (NLP) per imparare da grandi quantità di dati nell’assistenza sanitaria24,25di elaborazione del linguaggio naturale.
The authors have nothing to disclose.
Questo lavoro è stato supportato in parte dal National Heart, Lung e Blood Institute: HL135772 R35 (a P. Ping); Istituto nazionale di scienze mediche generali: U54 GM114833 (a P. Ping, K. Watson e Wang W.); Istituto nazionale di Imaging biomedico e Bioingegneria: T32 EB016640 (di r. Bui); un regalo dalla Fondazione Hoag e Setty Dr. S.; e l’investitura del T.C. Laubisch presso la UCLA (a P. Ping).
A corpus of clinical case reports | n/a | n/a | Full texts of case reports may be accessed through PubMed (e.g., using the search query "Case Reports"[Filter]), other citation databases such as Europe PMC (https://europepmc.org/) or directly through publishers. |