論文の概要: Use of 'off-the-shelf' information extraction algorithms in clinical informatics: a feasibility study of MetaMap annotation of Italian medical notes

• arxiv url: http://arxiv.org/abs/2104.00975v1
• Date: Fri, 2 Apr 2021 10:28:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 13:45:59.438161
• Title: Use of 'off-the-shelf' information extraction algorithms in clinical informatics: a feasibility study of MetaMap annotation of Italian medical notes
• Title（参考訳）: 臨床情報学における"off-the-shelf"情報抽出アルゴリズムの利用--イタリア医学ノートのメタマップアノテーションの実現可能性の検討
• Authors: Emma Chiaramello, Francesco Pinciroli, Alberico Bonalumi, Angelo Caroli, Gabriella Tognola
• Abstract要約: 本研究は, イタリアの臨床ノートから医療概念を識別する「オフ・ザ・シェルフ」情報抽出アルゴリズムの有用性を検証した。 メタマップを用いて医療概念を統一医療言語システム(umls)にマッピングした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Information extraction from narrative clinical notes is useful for patient care, as well as for secondary use of medical data, for research or clinical purposes. Many studies focused on information extraction from English clinical texts, but less dealt with clinical notes in languages other than English. This study tested the feasibility of using 'off the shelf' information extraction algorithms to identify medical concepts from Italian clinical notes. We used MetaMap to map medical concepts to the Unified Medical Language System (UMLS). The study addressed two questions: (Q1) to understand if it would be possible to properly map medical terms found in clinical notes and related to the semantic group of 'Disorders' to the Italian UMLS resources; (Q2) to investigate if it would be feasible to use MetaMap as it is to extract these medical concepts from Italian clinical notes. Results in EXP1 showed that the Italian UMLS Metathesaurus sources covered 91% of the medical terms of the 'Disorders' semantic group, as found in the studied dataset. Even if MetaMap was built to analyze texts written in English, it worked properly also with texts written in Italian. MetaMap identified correctly about half of the concepts in the Italian clinical notes. Using MetaMap's annotation on Italian clinical notes instead of a simple text search improved our results of about 15 percentage points. MetaMap showed recall, precision and F-measure of 0.53, 0.98 and 0.69, respectively. Most of the failures were due to the impossibility for MetaMap to generate Italian meaningful variants. MetaMap's performance in annotating automatically translated English clinical notes was in line with findings in the literature, with similar recall (0.75), F-measure (0.83) and even higher precision (0.95).
• Abstract（参考訳）: 物語的臨床ノートからの情報抽出は、患者のケアや、研究や臨床目的の医療データの二次的利用に有用である。 多くの研究は英語の臨床文書からの情報抽出に焦点を当てたが、英語以外の言語での臨床文書の扱いは少ない。 本研究は, イタリアの臨床ノートから医療概念を識別する「オフ・ザ・シェルフ」情報抽出アルゴリズムの有用性を検証した。 医療概念をUMLS(Unified Medical Language System)にマッピングするためにMetaMapを使用しました。 q1) 臨床ノートにみられる医療用語を適切にマッピングできるかどうか、および、イタリアumlsリソースに「不一致」の意味群に関連するかを理解すること、(q2) イタリアの臨床ノートからこれらの医療概念を抽出するためにメタマップを使用することが可能かどうかを検討すること、の2つである。 exp1の結果、イタリアのumlメタテッサロスソースは、研究されたデータセットに見られるように、"disorders"セマンティクスグループの医学用語の91%をカバーしていた。 MetaMapが英語で書かれたテキストを分析するために作られたとしても、イタリア語で書かれたテキストでも適切に動作する。 MetaMapはイタリアの臨床ノートで、コンセプトの約半分を正しく特定した。 簡単なテキスト検索ではなく、metamapのアノテーションをイタリア臨床ノートに使用することで、結果が約15ポイント向上しました。 メタマップは0.53, 0.98, 0.69のリコール, 精度, およびf測定値を示した。 失敗の大部分は、MetaMapがイタリアの意味のある変種を生成できないためだった。 MetaMapによる自動翻訳英語臨床ノートの注釈作成は、文献の知見と一致し、同様のリコール(0.75)、F尺度(0.83)、さらに高い精度(0.95)が得られた。

関連論文リスト

• Detección Automática de Patologías en Notas Clínicas en Español Combinando Modelos de Lenguaje y Ontologías Médicos [0.0]
  当科では,患者が皮膚病理疾患を患う場合,第1の予約又はフォローアップ医療報告を予測するために,医療と組み合わせた大きな言語を用いている。 その結果, モデルに体型, 重症度, 位置を学習させることで, 精度が有意に向上することが示唆された。 本論文では,医療用テキストの精度0.84,マイクロF1スコア0.82,マクロF1スコア0.75の分類における最先端結果の実証について述べる。
  論文  参考訳（メタデータ） (2024-10-01T12:03:04Z)
• Cross-Modal Conditioned Reconstruction for Language-guided Medical Image Segmentation [35.07667640622332]
  本稿では,言語誘導医療画像(RecLMIS)を提案する。 実験では、公開されているMosMedData+データセット上で、LViTを3.74%のmIoUで上回り、RecLMISの優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-03T16:23:37Z)
• FactPICO: Factuality Evaluation for Plain Language Summarization of Medical Evidence [46.71469172542448]
  本稿では,医療用テキストのプレーン言語要約のためのファクトPICOを提案する。 3つのランダム化制御試験(RCT)から生成される抽象語の345のプレーン言語要約で構成されている。 本研究は,これらのサマリーにおけるRCTの重要要素の事実と,それらに関する報告された知見について評価する。
  論文  参考訳（メタデータ） (2024-02-18T04:45:01Z)
• CMB: A Comprehensive Medical Benchmark in Chinese [67.69800156990952]
  そこで我々は,中国語の包括的医療ベンチマークであるCMB(Comprehensive Medical Benchmark)を提案する。 伝統的な中国医学はこの評価に欠かせないものであるが、全体としては成り立たない。 われわれは,ChatGPT,GPT-4,中国専用LSM,医療分野に特化したLSMなど,いくつかの大規模LSMを評価した。
  論文  参考訳（メタデータ） (2023-08-17T07:51:23Z)
• CliniDigest: A Case Study in Large Language Model Based Large-Scale Summarization of Clinical Trial Descriptions [58.720142291102135]
  2022年には、毎日100件以上の臨床試験がCricerTrials.govに提出された。 CliniDigestは、私たちの知る限り、臨床試験のリアルタイム、真実、そして包括的な要約を提供するための最初のツールです。 それぞれのフィールドに対して、CliniDigestは$mu=153, igma=69$の要約を生成し、それぞれが$mu=54%, sigma=30%のソースを使用する。
  論文  参考訳（メタデータ） (2023-07-26T21:49:14Z)
• Streamlining Social Media Information Retrieval for COVID-19 Research with Deep Learning [19.675191059975877]
  ソーシャルメディアを基盤とする公衆衛生研究は、疫病の監視に不可欠である。 ほとんどの研究はキーワードマッチングを伴う関連コーパスを特定している。 本研究は,口語医学辞典の整理過程を合理化するシステムを開発した。
  論文  参考訳（メタデータ） (2023-06-28T08:20:35Z)
• Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
  本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。 ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。 以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-08-03T08:33:21Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)
• MIMICause : Defining, identifying and predicting types of causal relationships between biomedical concepts from clinical notes [0.0]
  本研究は, ガイドラインの策定, 注釈付きコーパスの開発, 臨床ノートにおけるバイオメディカル概念間の因果関係のタイプと方向を特定するためのベースラインスコアの提供を目的とする。 2018 n2c2共有タスクデータセットからサンプリングされた、合計2714の特定されていないサンプルを注釈付けし、4つの異なる言語モデルベースのアーキテクチャをトレーニングします。 臨床用テキストにおける注釈書間の高い合意は,本ガイドラインの質を示す一方で,提案されたベースラインF1は,臨床用テキストにおける物語の理解に向けた今後の研究の方向性を示す。
  論文  参考訳（メタデータ） (2021-10-14T00:15:36Z)
• CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
  中国初のバイオメディカル言語理解評価ベンチマークを提示する。 名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。 本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-06-15T12:25:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。