Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Medizinische Dokumentenrecherche mit MorphoSaurus

Ähnliche Präsentationen


Präsentation zum Thema: "Medizinische Dokumentenrecherche mit MorphoSaurus"—  Präsentation transkript:

1 Medizinische Dokumentenrecherche mit MorphoSaurus
─── Sprachübergreifend und benutzerfreundlich durch semantische Indexierung Dieser Vortrag behandelt unterschiedliche Methoden zur sprachübergreifenden Dokumentenrecherche in der Welt der Medizin. Medizinische Texte unterscheiden sich von anderen Textsammlungen. Sie sind in der Regel extrem groß und dynamisch – man denke beispielsweise an Dokumente, die im täglichen Klinikbetrieb neu entstehen. Darüberhinaus sind medizinische Textkollektionen heterogen und mehrsprachig: Während klinische Texte wie Pathologieberichte oder Arztbriefe in der Regel in einer jeweiligen Muttersprache verfasst werden, sind wissenschaftliche Beiträge fast ausschliesslich in Englisch anzutreffen. Ebenso wie die Texte, íst auch die Nutzergemeinde medizinischer Informationen höchst unterschiedlich: KLICK Kornél Markó, Philipp Daumke Medizinische Informatik, Universitätsklinikum Freiburg

2 Übersicht Kurze Vorstellung der Medizinischen Informatik in Freiburg
Ebenen der Suche (Laien, Experten, Sprachen) Vorstellung der Technologie Evaluation Anwendungen SOMED-Studie ICD-Suche Perspektiven / Einsatzmöglichkeiten im DIMDI Zeitbedarf ca. 60 Minuten

3 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

4 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)

5 MorphoSaurus

6 Einsprachige Textrecherche
Suchmaschine

7 Triviale Suche: Laien „hoher Blutdruck“

8 Abgleich von Zeichenketten
Triviale Suche: Laien „hoher Blutdruck“ Suchmaschine: Abgleich von Zeichenketten

9 Abgleich von Zeichenketten
Triviale Suche: Laien „hoher Blutdruck“ Suchmaschine: Abgleich von Zeichenketten

10 Abgleich von Zeichenketten
Triviale Suche: Laien „hoher Blutdruck“ Suchmaschine: Abgleich von Zeichenketten

11 Abgleich von Zeichenketten
Triviale Suche: Laien „hoher Blutdruck“ Suchmaschine: Abgleich von Zeichenketten

12 Triviale Suche: Experten
„Risiken bei Bluthochdruck“

13 Triviale Suche: Experten Abgleich von Zeichenketten
„Risiken bei Bluthochdruck“ Suchmaschine: Abgleich von Zeichenketten

14 Triviale Suche: Experten Abgleich von Zeichenketten
„Risiken bei Bluthochdruck“ Suchmaschine: Abgleich von Zeichenketten

15 Triviale Suche: Experten Abgleich von Zeichenketten
„Risiken bei Bluthochdruck“ Suchmaschine: Abgleich von Zeichenketten

16 Triviale Suche: Experten Abgleich von Zeichenketten
„Risiken bei Bluthochdruck“ Suchmaschine: Abgleich von Zeichenketten

17 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, ...

18 Triviale Suche: Experten II
„Korrelation von Hypertonie und Läsion der Weißen Substanz“

19 Triviale Suche: Experten II
„Korrelation von Hypertonie und Läsion der Weißen Substanz“ „Correlation of high blood pressure and lesion of the white substance“

20 Triviale Suche: Experten II
„Korrelation von Hypertonie und Läsion der Weißen Substanz“ „Correlation of high blood pressure and lesion of the white substance“ Suchmaschine

21 Triviale Suche: Experten II
„Korrelation von Hypertonie und Läsion der Weißen Substanz“ „Correlation of high blood pressure and lesion of the white substance“ Suchmaschine

22 Triviale Suche: Experten II
„Korrelation von Hypertonie und Läsion der Weißen Substanz“ „Correlation of high blood pressure and lesion of the white substance“ Suchmaschine

23 Triviale Suche: Experten II
„Korrelation von Hypertonie und Läsion der Weißen Substanz“ „Correlation of high blood pressure and lesion of the white substance“ Suchmaschine

24 Mehrsprachige Textrecherche
Suchmaschine

25 Ansätze Übersetzung der Benutzeranfrage Übersetzung der Dokumente
Übersetzung in eine Interlingua A B IL

26 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}

27 Ressourcen Subwort-Lexikon: Subwort-Thesaurus: Zerlegungsalgorithmus:
Organisiert Subwörter (atomare Bedeutungseinheiten) in mehreren Sprachen Subwort-Thesaurus: Gruppiert synonyme Lexikoneinträge (auch sprachübergreifend) Zerlegungsalgorithmus: Extraktion von Subwörtern und Zuweisung von Äquivalenzklassen MorphoSaurus In unserem System benutzen wir sprachspezifische Lexika, welche – grob gesagt- Wortstämme und Affixe verwalten. Die Einträge im Lexikon sind oberhalb der Ebene von Morphemen und unterhalb der Ebene von Wörtern angesiedelt, weshalb wir von „Subwörtern“ sprechen. Zur Zeit existieren Lexika für Deutsch, Englisch und Portugiesisch. Subwörter werden in einem Subwort-Thesaurus organisiert, welcher synonyme Lexikoneinträge innerhalb einer Sprache, aber auch sprachübergreifend, zu Äquivalenzklassen gruppiert. Desweiteren haben wir einen Segmentierungsalgorithmus implementiert, welcher Eingabewörter in Subwörter zerlegt und entsprechend des Thesaurus Äquivalenzklassen zuweist. Alle drei Komponenten zusammen bilden das Morphosaurus System – ein Akronym für Morpheme und Thesaurus. Äquivalenzklassen nennen wir entsprechend Morphosaurus-Identifier - oder kurz – MIDs. KLICK

28 Subwort: Lexikon & Thesaurus
Subwort Thesaurus: Gruppierung von synonymen Subwörtern zu Äquivalenzklassen gastr stomach magen ventric chamber hepat,hepar liver leber -itis, inflamm, entzünd nephr ren kidney niere #GASTR #CHAMBER #HEPAR #NEPHR #INFLAMM Hier noch ein kurzer Überblick über die Beschaffenheit der Ressourcen, die wir verwenden: Im Lexikon wird eine Liste von Subwörtern verwaltet. Diese werden im Thesaurus zu Äquivalenzklassen gruppiert und erhalten einen eindeutigen Bezeichne. KLICK

29 Zerlegungsalgorithmus
Beispiel 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 Normalisierung high tsh value s suggest the diagnos is of primar y hypo thyroid ism er hoeh te tsh wert e erlaub en die diagnos e einer primaer en schilddruese n unter funktion Zerlegungsalgorithmus Subwort-Lexikon #up tsh #value #suggest #diagnost #primar #hypo #thyre Interlingua #up tsh #value #permit #diagnost #primar #thyre #hypo #function Subwort- Thesaurus Semantische Normalisierung Um Ihnen ein Beispiel zu geben, was das Morphosaurus-System mit Eingabetexten macht: Wir haben hier ein Fragment aus einem parallelen Korpus – Englisch und Deutsch. In einem ersten Schritt werden orthografische Ersetzungsregeln angewandt. In diesem Schritt wird Großschreibung durch Kleinschreibung ersetzt und beispielsweise Umlaute im Deutschen behandelt. Im zweiten Schritt werden Eingabewörter gemäß dem Lexikon segmentiert. Das heisst – vereinfacht- , Vorsilben und Nachsilben werden von Wortstämmen abgetrennt. Im letzten Schritt werden alle bedeutungstragenden Subwörter durch enstprechende Einträge im Thesaurus ersetzt – den Äquivalenzklassenbezeichnern. KLICK

30 Zerlegungsalgorithmus
Beispiel 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 Normalisierung high tsh value s suggest the diagnos is of primar y hypo thyroid ism er hoeh te tsh wert e erlaub en die diagnos e einer primaer en schilddruese n unter funktion Zerlegungsalgorithmus Subwort-Lexikon #up tsh #value #suggest #diagnost #primar #hypo #thyre Interlingua #up tsh #value #permit #diagnost #primar #thyre #hypo #function Subwort- Thesaurus Semantische Normalisierung Während in den Originaltexten – oben links- keine offensichtlichen Korrespondenzen ersichtlich sind, haben wir in der Interlingua-Repräsentation, also in der sprachunabhängigen, konzeptartigen Repräsentation, eine ganze Reihe von gemeinsamen Bezeichnern. KLICK

31 Suche mit MorphoSaurus

32 Suche mit MorphoSaurus

33 Suche mit MorphoSaurus
„Korrelation von Hypertonie und Läsion der Weißen Substanz“

34 Suche mit MorphoSaurus
„Korrelation von Hypertonie und Läsion der Weißen Substanz“ „#correl #hyper #tens #lesion #whit #matter“

35 Suche mit MorphoSaurus Abgleich von Zeichenketten
„Korrelation von Hypertonie und Läsion der Weißen Substanz“ „#correl #hyper #tens #lesion #whit #matter“ Suchmaschine: Abgleich von Zeichenketten

36 Suche mit MorphoSaurus Abgleich von Zeichenketten
„Korrelation von Hypertonie und Läsion der Weißen Substanz“ „#correl #hyper #tens #lesion #whit #matter“ Suchmaschine: Abgleich von Zeichenketten

37 Studie

38 Studie: Google

39 Studie: Google

40 Studie: PubMed

41 Studie: PubMed

42 Studie: DIMDI

43 Studie: DIMDI

44 Studie: MorphoSaurus

45 Studie: MorphoSaurus

46 Sprachübergreifende Suche

47 Evaluation

48 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 Ich kehre jetzt zurück zum ursprünglichen Problem der sprachübergreifenden Dokumentenrecherche. Wir haben unseren Ansatz natürlich evaluiert und betrachten hierfür folgende Szenarien: Als Baseline dient die einsprachige Textrecherche, das heistt englische Benutzeranfragen werden mit englischen Dokumenten abgeglichen. Es ist zu erwarten, dass die Ergebnisse hier am besten ausfallen. Zweitens haben wir die sprachübergreifende Recherche mittels Anfrageübersetzung implmentiert. Hierfür benutzen wir den GOOGLE-Übersetzer. Da der GOOGLE-Übersetzer nicht auf medizinische Terminologie ausgelegt ist, integrierten wir ein mehrsprachiges Medizinlexikon, welches über UMLS verfügbar ist. Diesen Szenarien stellen wir unseren Morphosaurus-Ansatz gegenüber, indem Anfrage und Dokumente in einer Interlingua repräsentiert sind. KLICK

49 Experimente OHSUMED-Corpus (Hersh et al., 1994) Suchmaschine:
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

50 Resultate Deutsch Portugiesisch Baseline MorphoSaurus
Top 200 Portugiesisch 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 Baseline MorphoSaurus Übersetzung der Anfrage

51 Resultate Deutsch Portugiesisch Baseline MorphoSaurus
Top 200 Portugiesisch 68% der Baseline 54% der Baseline 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 Baseline MorphoSaurus Übersetzung der Anfrage

52 Resultate 93% der Baseline Deutsch Portugiesisch Baseline MorphoSaurus
Top 200 Portugiesisch 93% der Baseline 62% der Baseline 68% der Baseline 54% der Baseline 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 Baseline MorphoSaurus Übersetzung der Anfrage

53 Zusammenfassung SOMED Prototyp:
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:

54 Anwendungen

55 Proof-of-Concept: SOMED
Dokumente (543MB XML) wurden nach Sprachen kategorisiert (TextCat): ~3000/Minute = 2 Stunden mit MorphoSaurus bearbeitet 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)

56 Proof-of-Concept: SOMED
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

57 Proof-of-Concept: SOMED

58 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, …

59 Universitätsklinikum Münster

60 Zentralinstitut Berlin (3M)

61 MorphoSaurus ICD-Suche

62 ICD verbunden mit MEDLINE

63 ICD verbunden mit MEDLINE

64 Forschungsbezogene Nutzung
Texte in klinischen DB (Uniklinik Freiburg) Sprachübergreifende Suche im Web (HON) Suche in Bilddatenbanken (mit Uni Münster) Mapping von Terminologien (Ukl Freiburg)

65 MorphoSaurus - Zukunft
Projekte, in denen MorphoSaurus zum Einsatz kommt: 2006: ZBMED: Integration in MedPilot Jahre 2006: EU BOOTStrep (Bootstrapping of Ontologies and Terminologies Strategic Research Project) Jahre (Integrated Biomedical Informatics for the Management of Cerebral Aneurysm) Jahre

66

67 MorphoEdit WEB

68 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

69 Lucene: Indexerstellung
Indexterm (Original) ID Bluthochdruck #1 Hypertonie Erhöhung Blutdruckes Erhöhten Blutdruckwerte Blutdruckmessung Indexterm (MorphoSaurus) ID #blood #1 #high #tense #value #measure

70 Lucene: Indexerstellung
Indexterm (Original) ID Bluthochdruck #1 Hypertonie #1 #2 Erhöhung Blutdruckes Erhöhten Blutdruckwerte Blutdruckmessung Hypertension #2 Blutdruck Risiko Hypertonikers Belastungsblutdruck Ruheblutdruck Risikofaktor Risikofaktoren Risikoevaluation Indexterm (MorphoSaurus) ID #blood #1 #2 #high #tense #value #1 #measure #risk #2 #factor #eval


Herunterladen ppt "Medizinische Dokumentenrecherche mit MorphoSaurus"

Ähnliche Präsentationen


Google-Anzeigen