자연어 처리를 이용한 전자 의료 기록에서 임상 암 표현형 추출

현재 전자 의료 기록과 -옴닉스 데이터를 상관시키는 모델은 암 환자의 표현형 정보의 중요한 원천인 임상 텍스트를 대체로 무시하고 있다. 이러한 데이터 융합은 암의 발생, 진행, 전이 및 치료 반응에 대한 새로운 통찰을 밝혀낼 잠재력을 가지고 있다. 이 실제 데이터에서 얻은 통찰은 임상 치료, 연구 및 규제 활동을 촉진할 것이다. 자연어 처리(NLP) 방법이 이러한 풍부한 암 표현형을 임상 텍스트에서 추출하는 데 필요하다. 여기에서는 PubMed에서의 출판물과 지난 3년간의 NLP 및 기계 학습 학회 진행 자료를 바탕으로 온콜로지와 관련된 NLP 및 정보 추출 방법의 발전을 검토한다. 온콜로지와 정보 추출 분야의 학제 간 성격을 고려할 때, 이 분석은 실제 데이터에서 고충실도의 온콜로지 표현형을 향한 길에 중요한 이정표가 된다.