20 september 2018
We presenteren een protocol en de bijbehorende metadata-sjabloon voor de winning van biomedische concepten in klinische Aanvraagrapporten beschrijvende tekst. De waarden van de gestructureerde tekst geproduceerd door dit protocol kunnen diepe analyse van duizenden klinische verhalen ondersteunen.
Deze methode kan helpen bij het beantwoorden van vragen over ziekten en pathologieën door een gestructureerde kijk te geven op ziektesymptomen, diagnostische en therapeutische procedures en patiëntresultaten uit klinische casereports. Het belangrijkste voordeel van deze techniek is dat het kan worden toegepast op elke patiënt cohort in de biomedische literatuur. Het maken van epidemiologische studies van zeldzame of opkomende aandoeningen realiseerbaarder.
Deze methode maakt latere tekstanalyseworkflows intuïtiever en eenvoudiger te implementeren. Door tekstgegevens machine leesbaar te maken met rijke metadata, kunnen we klinische case reports vaststellen als een vindbare, toegankelijke, interoperabele en herbruikbare of eerlijke gegevensbron. Centraal in deze methode staat de metadatasjabloon die wordt gebruikt om alle klinische informatie in de geselecteerde klinische caserapporten te extraheren.
Naar aanleiding van de workflow zoals geïllustreerd zal de montage van een klinische case report corpus mogelijk te maken. Om de vindbaarheid, toegankelijkheid, interoperabiliteit en herinsabiliteit van de medische inhoud uit een klinisch caserapport te verbeteren. Neem contextuele details op in elk veld in plaats van alleen termen uit een gecontroleerde woordenschat.
Laat vaak herhaalde woorden en zinnen weg. Geef in de annotatiesjabloon specifieke termen op die in een document gewoonlijk in de koptekst worden geïdentificeerd als sleuteltermen die zijn gescheiden met een puntkomma. Geef demografische waarden op.
Met name tekstverklaringen die de achtergrond van een patiënt beschrijven, met inbegrip van geslacht en/of geslacht, leeftijd etniciteit of nationaliteit. Geef geografische locaties die in het klinische verhaal worden vermeld, andere dan specifieke instellingsadressen. Geef leefstijlwaarden op, inclusief tekstverklaringen waarin frequente activiteiten of gedragingen van patiënten worden beschreven die relevant zijn voor hun algemene gezondheid.
In de praktijk gaat het vaak om rook- of alcoholgebruik, maar het kan ook gaan om blootstelling aan de zon, dieet of frequentie van specifieke soorten lichaamsbeweging. Geef medische geschiedeniswaarden die verwijzen naar familiegeschiedenis, inclusief tekstverklaringen waarin klinische observaties van en gebeurtenissen worden beschreven die door broers en zussen, ouders en andere familieleden worden ervaren. Evenals genetische aandoeningen en negatieve waarnemingen.
Geef waarden die verwijzen naar de sociale geschiedenis, inclusief tekstverklaringen die de achtergrond van de patiënt beschrijven die niet in de secties demografie of levensstijl wordt behandeld. De verklaringen kunnen beroepsgeschiedenis en sociale gewoonten omvatten. Geef waarden die verwijzen naar de medische en chirurgische voorgeschiedenis van de patiënten, inclusief tekstverklaringen die medische observaties, behandelingen of andere voorvallen beschrijven die plaatsvonden vóór het begin van de klinische presentatie.
Geef een of meer van de volgende 16 categorieën ziektesysteem op basis van die welke worden gebruikt in de internationale statistische classificatie van ziekten en aanverwante gezondheidsproblemen, herziening 10 zoals aangegeven in de tabel. Geef details van alle tekenen en symptomen, waaronder alle tekst verklaringen beschrijven van eventuele medische waarnemingen van tekenen of symptomen te beginnen bij de eerste presentatie over het begin, de duur, de ernst of de oplossing van de symptomen zoals voorzien. Geef details over eventuele comorbiditeiten, waaronder termen of zinnen die afzonderlijke ziekten beschrijven die aanwezig zijn op het moment van de eerste klinische presentatie.
Geef details van alle diagnostische technieken en procedures, met inbegrip van de namen van medische procedures voltooid voor diagnostische doeleinden. Zoals examens, tests en verbeelden. Evenals de omstandigheden waaronder de tests werden uitgevoerd en de relevante, anatomische locaties.
Maar exclusief testresultaten. Geef details van de diagnose. Inclusief tekstverklaringen die de diagnoses van de ziekte beschrijven.
Zelfs als de uiteindelijke diagnose dubbelzinnig is. Geef alle laboratoriumwaarden en testresultaten. Inclusief de namen van de diagnostische tests, hun waarden en de omstandigheden waaronder de tests werden uitgevoerd.
Het gebruik van zowel numerieke als kwalitatieve waarden is aanvaardbaar. Geef details van de pathologie. Inclusief tekstverklaringen die alle resultaten van de pathologie- en histologiestudies beschrijven.
Zoals grove pathologie, immunologie of microscopiestudies. Sommige termen kunnen overlappen met die welke worden gebruikt in de sectie diagnostische technieken en procedures. Zorg voor alle farmacologische therapieën.
Inclusief tekstverklaringen over de therapieën die in de loop van de behandeling werden gebruikt en wanneer en hoe de therapieën werden gestopt. Met behulp van algemene termen zoals antibiotica of specifieke namen van geneesmiddelen. Zorg voor alle interventieprocedures.
Inclusief tekstverklaringen waarin therapeutische procedures worden beschreven die tijdens de behandeling worden gebruikt en wanneer en hoe de procedures werden gestopt, evenals eventuele invasieve procedures. De implantatie van medische hulpmiddelen of procedures voltooid om andere therapieën te vergemakkelijken. Geef de patiënt uitkomst.
Inclusief tekstverklaringen waarin de gezondheid van de patiënt wordt beschreven vanaf het einde van de klinische presentatie die in het rapport wordt beschreven. Inclusief eventuele vervolgtests. Geef vervolgens tellingen op van alle diagnostische afbeeldingen, figuren, video's of animaties en tabellen.
Inclusief alle tellingen van visuele media die in het rapport in het aangegeven formaat zijn opgenomen. Om onderscheid te maken tussen de cijfers en beelden, tellen de beelden als alle producten van klinische diagnostiek. Inclusief foto's, micrografieken, elektrocardiogramritmebeelden of andere producten van diagnostische beeldvorming.
Terwijl de cijfers moeten worden beschouwd als alle andere beelden. Over het algemeen inclusief dataplots en illustraties. In deze tabel worden voorbeelden weergegeven van twee sets voltooide metagegevens van klinische gevallen.
Het eerste voorbeeld bevat mock-gegevens om het ideale formaat van elke waarde te illustreren. Hoewel het tweede voorbeeld waarden bevat die zijn geëxtraheerd uit een daadwerkelijk gepubliceerd klinisch rapport over een zeldzame aandoening; Acrodermatitis Enteropathica. Deze methode vergemakkelijkt zowel menselijke als geautomatiseerde benaderingen van de annotatie van vrije tekst klinische documenten.
Door het opzetten van een gestructureerde metadata standaard sjabloon die ervoor zorgt dat de informatie in is zowel toegankelijk en nuttig. De metagegevens die door deze methode worden gegenereerd, ondersteunen downstreamtekstanalyse, zoals de naam entiteitsherkenning. Onderzoekers in staat stellen informatie te extraheren over tekenen en symptomen, diagnostische technieken en procedures, en laboratoriumwaarden in een patiëntencohort dat in de biomedische literatuur wordt vertegenwoordigd.
Dit artikel presenteert een protocol voor het extraheren van gestructureerde biomedische concepten uit klinische casereports. De methode verbetert de analyse van klinische narratieven door deze machineleesbaar en rijk aan metadata te maken.
Ongestructureerde klinische casereeksberichten beperken de schaalbaarheid van biomedische inzichten en hinderen geavanceerde analyses binnen R&D-portefeuilles. Dit protocol voor metadata-extractie maakt de transformatie van narratieve klinische gegevens naar gestructureerde, machineleesbare formaten mogelijk, wat robuuste hypothesetoetsing en vergelijkbaarheid tussen studies ondersteunt. Door de inhoud van CCR's te standaardiseren, kunnen biofarmaceutische teams epidemiologisch onderzoek, onderzoek naar zeldzame ziekten en de ontwikkeling van translationele modellen versnellen.
Deze benadering voor metadata-extractie slaat een brug tussen vroege ontdekking, screening en translationeel onderzoek door klinische narratieven te structureren voor computationele analyse en synthese over verschillende studies heen.