Medizinische Dokumentenrecherche mit MorphoSaurus Sprachübergreifend und benutzerfreundlich durch...

Medizinische Dokumentenrecherche mit MorphoSaurus

───Sprachübergreifend und benutzerfreundlich

durch semantische Indexierung

Kornél Markó, Philipp DaumkeMedizinische Informatik,

Universitätsklinikum Freiburg

Übersicht

1. Kurze Vorstellung der Medizinischen Informatik in Freiburg

2. Ebenen der Suche (Laien, Experten, Sprachen)

3. Vorstellung der Technologie

4. Evaluation

5. Anwendungen

• SOMED-Studie

• ICD-Suche

6. Perspektiven / Einsatzmöglichkeiten im DIMDI Zeitbedarf ca. 60

Minuten

MI in Freiburg

• Medizinische Informatik Direktor Prof. Dr. Klar

• Wissenschaftliche Schwerpunkte– Patientenbezogene Dienste: MIRA-Plus (KIS)

– Patientenunabhängige Auskunfts- und Wissensdienste: InfoServer

– Grundlagen zur Modellierung medizinischer Konzepte mittels terminologischer Logik

– Begriffliche Ordnungssysteme in der Medizin

– Konzepte zur Integration von Elektronischer Patientenakte und medizinischen Wissensdiensten

– MorphoSaurus / Text-Retrieval / Cross-Language Retrieval

MorphoSaurus - Entwicklung

• 1998: Entwicklung der ersten Version im Rahmen einer Promotion (Medizin)

• Seit 2000: Kooperation mit der Catholic University of Paraná, Brasilien (BMBF-Förderungen)

• Seit 2003: DFG-Projekt morphologisches Indexieren

• Seit 2004: EU Network of Excellence Semantic Mining (WP multi-lingual lexicon, ontologies, text mining)

MorphoSaurus

Suchmaschine

Einsprachige Textrecherche

Triviale Suche: Laien

„hoher Blutdruck“

Triviale Suche: Laien

„hoher Blutdruck“

Suchmaschine:Abgleich von Zeichenketten

Triviale Suche: Experten

„Risiken beiBluthochdruck“

Morphologie der Wörter

Linguistische Phänomene erschweren die medizinische Textrecherche !

– Flexion: Erkrankungen, Bluthochdrucks, Risiken

– Derivation: Krankheit, diastolisch, leukozytär

– Komposition: Gemeinde|krank|en|pflege|station|en

– Akronyme: AIDS, SARS, OECD

– Orthografische Varianten: • Kolonkarzinom, Colonkarzinom, • Ösophagus, Oesophagus, • ulzerierend, ulcerierend

– Synonyme: • Bluthochdruck – Hypertonie, • Prophylaxe – Vorbeugung

– Eigennamen: Aspirin, ASS, ...

Triviale Suche: Experten II

„Korrelation von Hypertonie und

Läsion der Weißen Substanz“




„Correlation of high blood pressure and lesion of the white

substance“




Suchmaschine

„Correlation of high blood pressure and lesion of the white

substance“

Mehrsprachige Textrecherche

Suchmaschine

Ansätze

B

• Übersetzung der Dokumente

A BA

• Übersetzung in eine Interlingua

A BIL IL

• Übersetzung der Benutzeranfrage

BA

Lösungsansatz

• Subwörter sind atomare konzeptuelle oder linguistische Einheiten:– Stämme: verletz, entzünd, magen, schleimhaut

– Präfixe: ab-, an-, anti-, ge-, hervor-, hyper-

– Suffixe: -abel, -bar, -haft, -ion, -itis

– Infixe: -o-, -s-

• Synonyme Subwörter werden (sprachübergreifend) in Äquivalenzklassen gruppiert:#derma = { derm, cutis, skin, haut, kutis, pele, cutis, piel, … }

#inflamm = { inflam, -itic, -itis, entzuend, -itis, -itisch, inflam, flog, inflam, flog, -iolitis, ... }

• Empirische Kriterien:– hypertonie = {#hyper #tens #blood}

Ressourcen

• Subwort-Lexikon:– Organisiert Subwörter (atomare

Bedeutungseinheiten) in mehreren Sprachen

• Subwort-Thesaurus: – Gruppiert synonyme Lexikoneinträge

(auch sprachübergreifend)

• Zerlegungsalgorithmus:– Extraktion von Subwörtern und

Zuweisung von Äquivalenzklassen

MorphoSaurus

Subwort: Lexikon & Thesaurus

Subwort Lexikon:

gastr

stomach

magen

ventric

chamber

hepat,hepar

liver

leber

-itis, inflamm,

entzünd

nephr

ren

kidney

niere

Subwort Thesaurus:Gruppierung von synonymen Subwörtern zu Äquivalenzklassen

#GASTR

#CHAMBER

#HEPAR

#NEPHR

#INFLAMM

Beispiel

high tsh value s suggest the diagnos is of primar y hypo thyroid ismer hoeh te tsh wert e erlaub en die diagnos e einer primaer en schilddruese n unter funktion

ZerlegungsalgorithmusSubwort-Lexikon

High TSH values suggest the diagnosis of primary hypo-thyroidism ...

Original

Erhöhte TSH-Werte erlauben die Diagnose einer primären Schilddrüsenunterfunktion ...

high tsh values suggest the diagnosis of primary hypo-thyroidism ...

erhoehte tsh werte erlauben die diagnose einer primaeren schilddruesenunterfunktion ...

Orthografische Regeln

Orthografische Normalisierung

#up tsh #value #suggest #diagnost #primar #hypo #thyre

Interlingua

#up tsh #value #permit #diagnost #primar #thyre #hypo #function

Subwort-Thesaurus

Semantische Normalisierung

Suche mit MorphoSaurus




„#correl #hyper #tens #lesion #whit

#matter“





#matter“


Studie

Studie: Google

Studie: PubMed

Studie: DIMDI

Studie: MorphoSaurus

Sprachübergreifende Suche

Evaluation

Evaluationsszenarien

• Baseline: einsprachige Textrecherche– Englische Benutzeranfragen– Englische Texte

• Übersetzung der Benutzeranfrage– Google Übersetzer– Mehrsprachiges Medizinlexikon aus UMLS

• MorphoSaurus– Interlingua-Repräsentation der Anfragen und der

Dokumente

Experimente

OHSUMED-Corpus (Hersh et al., 1994)– Untermenge von MEDLINE

– ~233,000 englische Dokumente

– 106 englische Benutzeranfragen, von Experten übersetzt ins Deutsche und Portugiesische

– Relevanz der Dokumente manuell markiert

Suchmaschine: – Open-Source der Apache-Foundation: Lucene

– http://lucene.apache.org/

Resultate

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

0,4

0,45

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Recall

Pre

cisi

on

Baseline

Morphosaurus

Übersetzung

BaselineMorphoSaurusÜbersetzung der Anfrage

Deutsch PortugiesischTop 200

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Recall

Baseline

Morphosaurus

Übersetzung

0 0,1 0,1 0,20,2 00,3 0,3 0,40,4 0,5 0,50,6 0,6 0,70,7 0,8 0,8 0,90,9 1,01,0

Resultate

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

0,4

0,45

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Recall

Pre

cisi

on

Baseline

Morphosaurus

Übersetzung



0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Recall

Baseline

Morphosaurus

Übersetzung

0 0,1 0,1 0,20,2 00,3 0,3 0,40,4 0,5 0,50,6 0,6 0,70,7 0,8 0,8 0,90,9 1,01,0

68% der Baseline

54% der Baseline

Resultate

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

0,4

0,45

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Recall

Pre

cisi

on

Baseline

Morphosaurus

Übersetzung



0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Recall

Baseline

Morphosaurus

Übersetzung

0 0,1 0,1 0,20,2 00,3 0,3 0,40,4 0,5 0,50,6 0,6 0,70,7 0,8 0,8 0,90,9 1,01,0

68% der Baseline

54% der Baseline

93% der Baseline

62% der Baseline

• Innovatives und erfolgreiches Suchverfahren– Komposita – Suche– Synonym – Suche– Sprachübergreifende Suche (EN, DE, PT, FR, SP, SV)– Ergebnisse nach Relevanz sortiert

• Sprachübergreifende Suche– erreicht bis zu 93% gegenüber einsprachiger Suche

(Meth Inf Med, 2005)

• Semantische Indexierung und Suche– ist einsetzbar mit allen Suchmaschinen

• Einfache Pflege (Kostenersparnis)– Pflege des Subwortlexikons im Vergleich zur Pflege eines Vollformensynonymlexikons

überschaubar

• SOMED Prototyp:– http://morphine.coling.uni-freiburg.de/somed/search.php

Zusammenfassung

Anwendungen

Proof-of-Concept: SOMED

336.250 Dokumente (543MB XML) wurden– nach Sprachen kategorisiert (TextCat):

• ~3000/Minute = 2 Stunden

– mit MorphoSaurus bearbeitet

• ~3000/Minute = 2 Stunden

• 1.7 GB XML (nur für Highlighting der Treffer)

Suchmaschine: Lucene • ~9000/Minute = 40 Minuten

• 940 MB für 2 Indices (Original + MorphoSaurus)

• 340 MB für 1 Index (MorphoSaurus)


Dekomposition der Suchanfragen• „Darmkrebsrisikoreduzierung“• #enteral #neoplas #malign #risk #reduc

Formulierung der Suchanfrage• 1. Suche mit „UND“• 2. Falls keine Treffer: Suche mit „ODER“

Es wurden 2 Indizes erstellt:#enteral AND #neoplas AND #malign AND #risk AND #reduc OR (original:darmkrebsrisikoreduzierung)

Besseres Ranking, gleiche Ergebnismenge, höherer Speicherbedarf

Diagnosenkodierung nach ICD

• Suche in 15,278 ICD-Codes

• Erste Tests durch Uniklinik Freiburg erfolgreich, vor allem im Vergleich zu

– ICD-Browser des Zentralinstituts für die kassenärztliche Versorgung in der BRD (http://www.zi-berlin.de/)

– Kodierbrowser der Uniklinik Münster (http://drg.uni-muenster.de/de/webgroup/m.brdiagnosen.php)

• Anwendbar auf andere Klassifikationen: OPS, …

http://www.zi-berlin.de/

http://drg.uni-muenster.de/de/webgroup/m.brdiagnosen.php

Universitätsklinikum Münster

Zentralinstitut Berlin (3M)

MorphoSaurus ICD-Suche

ICD verbunden mit MEDLINE

Forschungsbezogene Nutzung

• Texte in klinischen DB (Uniklinik Freiburg)

• Sprachübergreifende Suche im Web (HON)

• Suche in Bilddatenbanken (mit Uni Münster)

• Mapping von Terminologien (Ukl Freiburg)

MorphoSaurus - Zukunft

Projekte, in denen MorphoSaurus zum Einsatz kommt:

• 2006: ZBMED: Integration in MedPilot 2 Jahre

• 2006: EU BOOTStrep (Bootstrapping of Ontologies and Terminologies Strategic Research Project) 3 Jahre

• 2006: @neurIST (Integrated Biomedical Informatics for the Management of Cerebral Aneurysm) 4 Jahre

www.morphosaurus.net

MorphoEdit WEB

Suchmaschinen-Indices

• Liest Dokumente ein und generiert einen Index mit gewichteten Indextermen (für Ranking).

– „Wort x kommt in Dokumenten ID1,ID2,ID6,… vor“

• Normalerweise sind Indexterme Wörter der Dokumentenkollektion

• MorphoSaurus: Äquivalenzklassen bilden Indexterme

Lucene: Indexerstellung

Indexterm

(Original)

ID

Bluthochdruck #1

Hypertonie #1

Erhöhung #1

Blutdruckes #1

Erhöhten #1

Blutdruckwerte #1

Blutdruckmessung #1

Indexterm

(MorphoSaurus)

ID

#blood #1

#high #1

#tense #1

#value #1

#measure #1

Lucene: Indexerstellung

Indexterm

(Original)

ID

Bluthochdruck #1

Hypertonie #1 #2

Erhöhung #1

Blutdruckes #1

Erhöhten #1

Blutdruckwerte #1

Blutdruckmessung #1

Hypertension #2

Blutdruck #2

Risiko #2

Hypertonikers #2

Belastungsblutdruck #2

Ruheblutdruck #2

Risikofaktor #2

Risiko #2

Risikofaktoren #2

Risikoevaluation #2

Indexterm

(MorphoSaurus)

ID

#blood #1 #2

#high #1 #2

#tense #1 #2

#value #1

#measure #1

#risk #2

#factor #2

#eval #2

Medizinische Dokumentenrecherche mit MorphoSaurus Sprachübergreifend und benutzerfreundlich durch...

Documents

Transcript of Medizinische Dokumentenrecherche mit MorphoSaurus Sprachübergreifend und benutzerfreundlich durch...