중국 전자 의료 기록에서 데이터 기반 정보 추출

목적: 본 연구의 목표는 중국 전자 의료 기록(EMR)의 비구조화된 자유 텍스트 서사를 입력으로 받아들여 구조화된 시간-사건-설명 삼튜플로 변환하는 데이터 기반 프레임워크를 제안하는 것이다. 자료 및 방법: 우리의 프레임워크는 하이브리드 접근 방식을 사용한다. 이는 교차 도메인 핵심 의료 어휘 구축, 더 정확한 용어를 어휘에 축적하기 위한 비지도 반복 알고리즘, 중국 문 writing 관습 및 시간 설명자를 다루기 위한 규칙, 그리고 의료 사건과 그 설명 간의 상관관계를 추정하기 위해 정규화된 구글 거리(NGD)를 혁신적으로 활용하는 서포트 벡터 머신(SVM) 알고리즘으로 구성된다. 결과: 프레임워크의 효과는 24,817개의 비식별 중국 EMR 데이터셋으로 입증되었다. 교차 도메인 의료 어휘는 F1-score 0.896으로 용어 인식이 가능했다. 기록된 의료 사건의 98.5%가 시간 설명자와 연결되었다. NGD SVM 설명-사건 매칭은 F1-score 0.874를 달성하였다. 우리의 프레임워크의 End-to-End 시간-사건-설명 추출은 F1-score 0.846을 달성하였다. 논의: 명명된 개체 인식 측면에서 제안된 프레임워크는 최첨단 지도 학습 알고리즘보다 우수하다(F1-score: 0.896 대 0.886). 사건-설명 연관성 측면에서 NGD SVM은 지역 컨텍스트 및 의미적 특징만 사용하는 SVM보다 우수하다(F1-score: 0.874 대 0.838). 결론: 이 프레임워크는 데이터 기반이고 약한 감독을 받으며, 대규모 코퍼스에서 발생하는 변동성과 노이즈에 강력하다. 새로운 용어를 발견하기 위한 패턴과 어휘를 업데이트하기 위한 규칙을 통해 중국 의료 문 writing 관습 및 문 writing 스타일의 변동을 다룬다.