SNOMED CT中的蕴含反射：一种用于诊断的基于大型描述逻辑术语系统

基于描述逻辑（DL）的生物医学术语系统（SNOMED CT）在日常医疗实践中被常规使用。然而，由于其复杂性，利用此类术语系统进行诊断推理受到限制。在此我们提出一种简化这些推理组件的模型。我们提出三个对临床特征进行分类的概念，并考察了它们对使用SNOMED CT进行推理的影响。我们使用PAIRS（医师助理人工智能参考系统）数据库（485种疾病的1964项发现，18397条疾病-特征关联）进行分析。我们还使用5000万医学词汇语料库来估计疾病-特征关联的向量。我们的主要结果是10%的发现-疾病关联在断言和否定中同时出现，而90%仅在断言或否定之一中同时出现。PAIRS数据对SNOMED CT的逻辑含义包括70%的关联不共享任何共同系统，18%共享器官，12%共享系统和器官。讨论了这些原理在推理中的应用，并提出了利用SNOMED CT推导诊断流程的建议。同时也讨论了这些流程的局限性及改进建议。