terminologihantering i medicinska loggfiler · 2013. 10. 20. · spraakbanken.gu.se dimitrios...

www.svenska.gu.se www.clt.gu.se spraakbanken.gu.se

DIMITRIOS KOKKINAKISSpråkbanken, inst. för svenska språketCLT: Centre for Language TechnologyGöteborgs [email protected]

Terminologihantering i medicinska loggfilerTerminology management in medical log files


Översikt

• Motivering / Syfte• Bakgrund: 1177 Vårdguidens sökloggar• Sökloggarnas anatomi• Medicinska närsynonymer och termvariation• Terminologihantering ++

• SNOMED CT; NPL; NER; Kvar?• Resultat• Sammanfattning


Motivering / Syfte• Växande behov av koppling mellan fack- och allmänspråk för

praktiska (medicinskt orienterade) tillämpningar, t.ex. underlätta förståelse av lekmans ordförråd

• Använda terminologin som stöd för t.ex. informations- och kunskapsutvinning

• Brist på täckande medicinska (elektroniska) termlistor med integrerad utförlig språklig & medicinsk information för lekmän

• Applikationer med indata som innehåller både fackspråk och allmänspråk

• Hur ställer man frågor till en hälsoportal?• Blir man påverkad av Google-liknande sätt att ställa frågor?• Kan man få en överblick över vilka begrepp finns i loggar?• Kan SNOMED CT och andra terminologiska resurser

fånga termanvändningen i dessa loggar?


Loggfil : en fil som registrerar alla aktiviteter när man interagerar med en webbplats, en portal eller ett datorsystem. Loggfilerna kan användas för att förstå aktiviteten i sådana miljöer och kan ge viktig information över användarnas beteende, sökfrågor, behov, intressen, sidor man besöker mm.

Data: 1177 Vårdguidens sökloggar


1177 Vårdguidens Loggar: Loggarnas anatomi84 052 967 sökfrågor fr. 20101001 till 201309261 706 168 normaliserade sökfrågor

(dvs. tokeniserade; alla i gemener; unika förekomster)

80 100 sökfrågor/månad – 1,56 ord/sökfrågaMest frekventa sökfrågor: % av antal ord i sökfrågor:

# Sökfråga

1843597 akutmottagning

1081907 vårdcentral

711429 sex och samlevnad

679887 säsongsinfluensan vaccination

505902 tandvård

405306 barnavårdscentral

375886 barnmorskemottagning

#ord # %

1* 45820736 54.4%

1 23882445 28.4%

2 8247032 9.8%

3 4366991 5.2%

4 862127 1.02%

5 450245 0.53%

6 200932 0.24%


1177 Vårdguidens Loggar: Loggarnas innehåll

Q FC1557981DFE4A6E63FCE7C2607FC5 1289860412 Värk rygg huvud bäcken hidden:(meta:category:PageType;Article AND meta:cate gory: PageType;Mobile ) = 8 1 -N - sv = = =


1177 Vårdguidens Loggar: Loggarnas termer

Systematized Nomenclature Of Medicine Clinical Terms(SNOMED CT)

ca 250,000 termer + 230,000 varianterNationellt Produktregister för Läkemedel (NPL)

ca 11,246 termerNamnentitets igenkänning

olika kategorier (person, plats, organization, tid …)Vad finns det kvar???


Termvariation : alternativa namn för ett begrepp. T. ex.,lumbago, ryggskott eller ländryggssmärta är varianter (av synonymtyp) – kan användas omväxlande

Inom samma text kan en term uppvisa stor variation –en stötesten för många tillämpningar – variantformer måste identifieras och länkas till etablerade terminologiska eller ontologiska resurser

Utveckla rutiner för att hantera/fånga termvariation är ett nödvändigt steg för ett flertal mer avancerade tillämpningar inom språkteknologi

Närsynonymer och termvariation


� morfologisk variation – böjnings- och avledningssuffix�hjärtsjukdom => hjärtsjukdomar; ödem => ödematösa

� strukturell variation: NP:er från sammansättningar�mikroalbuminurimätning => mätning av mikroalbuminuri

� strukturell variation: sammansättningar från NP:er�undersökning av fot => fotundersökning

� strukturell variation: (vissa typer av) koordineringar�hjärt- och njursvikt => hjärtsvikt och njur||svikt

� partiell matchning mha sammansättningssegmentering�abstinenskramper => �stressinkontinens => �utmattningsdepressioner =>

Närsynonymer och termvariation 1/7


� vissa typer av akronymer och förkortningar� apolipoprotein b-a1 => apob/apoa1

� vissa typer av ellipsis och andra typer av koordine ringar� supraventrikulär och ventrikulär takykardi� NYHA-klass III eller IV

� modifieringar & ersättningar: sifferomvandling; utelämning/tillägg av bindestreck; utelämning av vi ssa funktionsord och/eller skiljetecken

� NYHA typ 2 => NYHA typ II� Romano-Wards syndrom => Romano Wards syndrom� diabetes mellitus typ 1 => diabetes typ 1

� nya termvarianter: felstavningar� trokanterit; trochanterit; throkanterit



“nya” termer i SNOMED� läkemedelsnamn

via aktivsubstans (FASS)

”P : .. eh lugnande , jag tar bara Lyrica innan jag sover”

� överföring av en del av MeSH-synonymer

smärta i ländryggen

MeSH SNOMED

267982002

SNOMED415159003



Nätverk för Insamling och samman-ställning av kunskap om prostatit

Carpa: förening som vänder sig till patienter med hormonproducerande tumörer

Ur Stomiboken, 2010, ConvaTec



Närsynonymer och termvariation 5/7Stavfel : mäta avståndet mellan två strängar (Levenshteinavståndet) – testat endast avstånd 1 och 2 + posteditering! 779 trokanterit

638 trochanterit77 Trochanterit65 Trokanterit15 throkanterit11 trokanter

…

Mönstermatchning i korpora t ex ur Läkartidningen: ”parentetisk” info.U

r sv

ensk

ord

bok


Mikolov T., Chen K., Corrado G., and Dean J. 2013. Efficient Estimation of Word Representations in Vector Space. Proc of ICLR.

Närsynonymer och Termvariation 6/7Vektorrymdsmodell: sökfrågor representeras som vektorer;algoritmer hittar ord som förekommer i liknande kontext


Terminologihantering: steg 1 SNOMED CT# SNOMED CT Loggvarianter

325242 influensa influenza; influnsa; influenssa; influ

165078 utslag uslag; prikor; prikar

129145 vattkoppor vattenkoppor

100846 sjukdom i mag-tarmkanal mag-tarmkanalssjukdom

95644 tonsillit halsfluss; vita prickar i hals

95003 infektionssjukdom i urinvägar urinväxtinfektion; urininfenktion

83829 pneumoni luninflamation; lugninflammastjon

81289 allergi allregin; allergiska symtom

78089 impetigo svinkoppa; svinkoppar

75045 förkylning förkyldning; förkyld

73021 kräkning kräkts; vomera; kräkn.; krekning


Jan.

201

1Ju

li, 2

011

Jan.

201

2Ju

li, 2

012

Jan.

201

3Ju

li, 2

013

Terminologihantering: steg 1 SNOMED CT


Terminologihantering: steg 1 SNOMED CT


# Produkt

32584 laktos V04CX

16272 alvedon N02BE01

13966 waran B01AA03

10947 kåvepenin J01CE02

10555 gardasil J07BM01

7561 ipren M01AE01#M02AA1

6971 kalcium A12AA

6142 levaxin H03AA01

5644 magnesium A12CC

5203 folsyra B03BB01

5135 diklofenak M01AB05

4538

76

# ATC-koder i 1177 Vårdguiden

98913 N – Nervsystemet

52319 J – Infektionssjukdomar

46385 A - Matsmältningsorgan och ämnesomsättning

33746 B - Blod och blodbildande organ

31304 V – Varia

30903 M – Rörelseapparaten

28497 R – Andningsorganen

24183 C - Hjärta och kretslopp

22666 G - Urin- och könsorgan samt könshormoner

12746 D - Hud

Terminologihantering: steg 2 NPL


Terminologihantering: steg 2 NPLA - Matsmältningsorgan

och ämnesomsättningB - Blod och blodbildande

organJ – Infektionssjukdomar


# Entitetstyp Exempel

1841962 PERSON-ENT claes Granstrand; barbara flur

1312735 PLACE-ENT järfälla; Årsta; SÖDERMALM

1019684 FUNCT-ENT dalens vårdcentral; BVC Björken

392821 GROUP-ENT unga vuxna; diabetiker; kvinnor

317948 ORGZ-ENT Carema; AB S:t Erik vård

300200 DRUG-ENT antidepressiva; gardasil; trombyl

74651 FUNCT-ENT+PLACE-ENT Ortho Center Stockholm

62248 PERSON-ENT+PLACE-ENT Bodil Hofvander Kungsholmen

56605 TIME-ENT på morgonen; nu; 5 maj; flera veckor

50157 ORGZ-ENT+PLACE-ENT Bräcke Diakoni Mösseberg

5775

768

Terminologihantering: steg 3 NER


Terminologihantering – steg 4Vad finns det kvar?VårdkontaktstermerAdministrationstermerAkronymerFörkortningar


Terminologihantering – steg 4# Toppen på omatchade poster

1895553 akutmottagning

1380659 vårdcentral

695894 sex och samlevnad

481838 tandvård

477789 barnavårdscentral

441946 barnmorskemottagning

285368 närakut

175223 hälsocentral

120889 cancer

110307 sjukhus

107626 mödravård

…min hälsoplanoroliga bencirkulations organcoca colaspyr skumsjälmord försökshaken baby (71)spyfärdig oroligmagespykiatri (36)ofostrig graviditealkohollist periodareccpläcccccccccccccccccckagePcd…


�Datorbaserad, semantisk bearbetning av stora textmaterialet blir allt mer eftertraktade av forskare inom olika discipliner – särskilt semantiskt förädlade korpora utgör en resurs som bidrar till utveckling inte minst i flervetenskapliga sammanhang

�Utfört olika korpusbaserade studier för att få en bild på sökloggarnasterminologiinnehåll

�Lyft fram några frågor som kräver ytterligare utredning, t.ex. hur vi kan bäst hantera termvariation

�Trots att stora medicinska termresurser finns tillgängliga, automatiska korpusbaserade metoder behövs som ett viktigt komplement till allt som erbjuds

�Olika typer av textdata verkar använda olika sätt att uttrycka termer –svårt att skapa en modell för att täcka all texttyper

�Tydlig påverkan av Google-typ av sökningar

Sammanfattning

terminologihantering i medicinska loggfiler · 2013. 10. 20. · spraakbanken.gu.se dimitrios...

Documents