RECAP-KG:从原始全科医生笔记中挖掘知识图谱以用于基层医疗远程COVID-19评估
计算与语言
2023-10-10 v2 人工智能
摘要
临床决策是为患者提供适当护理的基本环节。近年来,已开发出若干旨在辅助临床医生进行该过程的决策系统。然而,当前使用的技术解决方案基于简单回归模型,且只能考虑简单的预定义多选特征,如患者年龄、既往病史、吸烟状况等。现有决策系统无法处理的一个特定患者数据来源是患者就诊全科医生(GP)笔记的集合。这些笔记包含关键的症状体征——临床医生用以做出最终决定并引导患者接受适当护理的信息。从GP笔记中提取信息是一个技术上的挑战性问题,因为它们往往包含缩写、错别字和不完整的句子。本文解决了这一开放挑战。我们提出了一个框架,可从患者就诊期间或之后撰写的原始GP医疗笔记中构建知识图谱。通过依赖从SNOMED本体中挖掘的支持短语,以及RECAP(基层医疗远程COVID-19评估)患者风险预测工具中所用值的预定义支持事实,我们的图生成框架能够从高度非结构化且不一致的就诊笔记格式中提取结构化知识图谱。我们的知识图谱包含有关患者现有症状、持续时间及其严重程度的信息。我们将框架应用于英国COVID-19临床评估服务(CCAS)患者数据集中COVID-19患者的就诊笔记。我们提供了框架性能的定量评估,表明在回答有关患者的问题时,我们的方法比传统NLP方法具有更高的准确性。
引用
@article{arxiv.2306.17175,
title = {RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19 Assessment in Primary Care},
author = {Rakhilya Lee Mekhtieva and Brandon Forbes and Dalal Alrajeh and Brendan Delaney and Alessandra Russo},
journal= {arXiv preprint arXiv:2306.17175},
year = {2023}
}