37、基于交际话语树构建医疗本体

基于交际话语树构建医疗本体

1. 引言

构建和调整医疗本体是一项复杂的任务，需要大量的人力投入，并且需要健康专业人员和知识工程师等领域专家之间密切合作。即使自动本体构建技术已经足够成熟来支持这项任务，但它们只能提供部分解决方案。当期望高质量的本体时，医疗专业人员的手动干预始终是必要的。

医疗本体的一个重点是对医学术语的表示。健康专业人员使用它们来表示有关疾病症状和治疗的知识，制药企业则使用本体来表示有关药物、剂量和过敏的信息。本体是众多用于支持医疗活动的决策支持系统（DSS）的基础，因此底层本体的质量会影响依赖这些本体的 DSS 的使用结果。因此，自动构建的医疗本体（包括模式知识和个体描述）必须由领域专家进行验证。然而，医疗专业人员通常不熟悉本体管理，在验证过程中必须由知识工程师提供协助，这可能会潜在地扩大错误和不一致性。

医疗记录是关于患者治疗的最有价值的信息和数据来源之一。这些记录包含重要的项目，如资格标准、诊断结果摘要和处方药物，这些通常以非结构化的自由文本形式记录。从健康记录中提取医疗或临床信息是一项重要任务，特别是随着电子健康记录（EHR）的采用。这些记录通常以文本文档的形式存储，包含有价值的非结构化信息，这些信息对于患者治疗的更好决策至关重要。

从大量非结构化的临床数据中获取洞察力一直是医院等医疗组织面临的关键和具有挑战性的问题。拥有一个能够读取患者医疗报告、提取医疗实体、使用存储的知识分析提取的数据，并以可视化形式将分析结果呈现给临床医生/用户的自动化系统不仅非常理想，而且是必要的。困难之处在于如何提取和编码非结构化数据以改善整个医疗保健系统。信息提取（IE）和文本挖掘（TM）是潜在合适的技术。从这些临床记录中应提取的三个主要元素是：实体、属性以