28、从患者笔记中挖掘流程模型及医疗数据的多维分析

从患者笔记中挖掘流程模型及医疗数据的多维分析

1. 从患者笔记中发现流程模型

1.1 背景与问题

流程挖掘通常需要为每个事件标注流程活动的事件日志，但许多流程感知信息系统以文本笔记形式存储流程相关信息，如患者信息系统（PIS）。为基于文本的事件标注活动并非易事，因为数据量大，且文本笔记所代表的活动可能模糊不清。此外，两个事件是否代表同一活动也不明确，这取决于流程分析师的需求。因此，活动标签应被视为分层本体，根据流程模型所需的粒度级别，事件所代表的活动可以用不同但相关的概念来表达。

1.2 相关工作

多数流程挖掘研究集中于使用标注的事件日志，对基于文本的事件日志研究较少。早期尝试将自由文本数据用于自动流程发现时，需用户手动为邮件等文本笔记标注活动，这往往不现实或不可行。部分研究提出了从邮件日志中提取业务流程活动的框架，但依赖手动标注。也有研究提出自动从文本笔记中提取流程模型的框架，使用潜在狄利克雷分配（LDA）对代表同一活动的笔记进行分组并生成关键词。

1.3 挖掘过程

• 未标注事件日志要求 ：从源系统（如PIS）提取未标注事件日志，每个事件包含案例ID、时间戳和包含患者笔记的自由文本字段。时间戳用于确定事件发生顺序。
• 文本处理 ：将每个事件视为文档，所有笔记构成语料库。将每个笔记转换为n - 元组袋，使用长度为(1, 2)的n - 元组在距离矩阵质量和计算性能之间取得良好平衡。创建文档 - 词矩阵（dtm），包含词频/逆文档频率（tf - idf）值，最后使用余弦距离计算距离矩阵。
<