RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19 Assessment in Primary Care

要約

臨床上の意思決定は、患者に適切なケアを提供するための基本的な段階です。
近年、このプロセスにおいて臨床医を支援するように設計されたいくつかの意思決定システムが開発されました。
しかし、現在使用されている技術的ソリューションは単純な回帰モデルに基づいており、患者の年齢、既存の症状、喫煙者の有無など、事前に定義された単純な複数の選択肢の特徴のみを考慮することができます。
利用可能な意思決定システムでは処理できないデータは、患者の診察記録の収集です。
これらには、臨床医が最終決定を下し、患者を適切な治療に導くために使用する重要な兆候と症状が含まれています。
GP ノートには略語、タイプミス、不完全な文が含まれる傾向があるため、GP ノートから情報を抽出することは技術的に困難な問題です。
この文書では、この未解決の課題に取り組みます。
患者の診察中または診察後に書かれた生の GP 医療ノートからナレッジ グラフの構築を実行するフレームワークを紹介します。
SNOMED オントロジーからマイニングされたサポート フレーズと、RECAP (プライマリ ケアにおけるリモート 新型コロナウイルス感染症評価) 患者リスク予測ツールで使用される値からの事前定義されたサポート対象事実に依存することで、当社のグラフ生成フレームワークは、構造化されたナレッジ グラフを抽出することができます。
診察メモは非常に構造化されておらず、一貫性のない形式で書かれています。当社のナレッジ グラフには、既存の患者の症状、その期間、重症度に関する情報が含まれています。
私たちは、英国の COVID-19 Clinical Assessment Servcie (CCAS) の患者データセットに含まれる COVID-19 患者の相談記録にフレームワークを適用します。
私たちはフレームワークのパフォーマンスの定量的評価を提供し、患者に関する質問に答える際に、私たちのアプローチが従来の NLP 手法よりも精度が高いことを示しています。

要約(オリジナル)

Clinical decision-making is a fundamental stage in delivering appropriate care to patients. In recent years several decision-making systems designed to aid the clinician in this process have been developed. However, technical solutions currently in use are based on simple regression models and are only able to take into account simple pre-defined multiple-choice features, such as patient age, pre-existing conditions, smoker status, etc. One particular source of patient data, that available decision-making systems are incapable of processing is the collection of patient consultation GP notes. These contain crucial signs and symptoms – the information used by clinicians in order to make a final decision and direct the patient to the appropriate care. Extracting information from GP notes is a technically challenging problem, as they tend to include abbreviations, typos, and incomplete sentences. This paper addresses this open challenge. We present a framework that performs knowledge graph construction from raw GP medical notes written during or after patient consultations. By relying on support phrases mined from the SNOMED ontology, as well as predefined supported facts from values used in the RECAP (REmote COVID-19 Assessment in Primary Care) patient risk prediction tool, our graph generative framework is able to extract structured knowledge graphs from the highly unstructured and inconsistent format that consultation notes are written in. Our knowledge graphs include information about existing patient symptoms, their duration, and their severity. We apply our framework to consultation notes of COVID-19 patients in the UK COVID-19 Clinical Assesment Servcie (CCAS) patient dataset. We provide a quantitative evaluation of the performance of our framework, demonstrating that our approach has better accuracy than traditional NLP methods when answering questions about patients.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google