download0 view179
twitter facebook

공공누리This item is licensed Korea Open Government License

Title
Causality Patterns and Machine Learning for the Extraction of Problem-Action Relations in Discharge Summaries
Author(s)
설재욱이경순이왕진최진욱
Publication Year
2017-02-01
Abstract
Clinical narrative text includes information related to a patient’s medical history such as chronological progression of medical problems and clinical treatments. A chronological view of a patient’s history makes clinical audits easier and improves quality of care. In this paper, we propose a clinical Problem-Action relation extraction method, based on clinical semantic units and event causality patterns, to present a chronological view of a patient’s problem and a doctor’s action. Based on our observation that a clinical text describes a patient's medical problems and a doctor's treatments in chronological order, a clinical semantic unit is defined as a problem and/or an action relation. Since a clinical event is a basic unit of the problem and action relation, events are extracted from narrative texts, based on the external knowledge resources context features of the conditional random fields. A clinical semantic unit is extracted from each sentence based on time expressions and context structures of events. Then, a clinical semantic unit is classified into a problem and/or action relation based on the event causality patterns of the support vector machines. Experimental results on Korean discharge summaries show 78.8% performance in the F1-measure. This result shows that the proposed method is effectively classifies clinical Problem-Action relations.
Keyword
Relation extraction; Clinical semantic unit; Problem-Action relation; Causality pattern; Machine learning
Journal Title
International Journal of Medical Informatics
Citation Volume
98
ISSN
1386-5056
Files in This Item:
There are no files associated with this item.
Appears in Collections:
7. KISTI 연구성과 > 학술지 발표논문
URI
https://repository.kisti.re.kr/handle/10580/14652
http://www.ndsl.kr/ndsl/search/detail/article/articleSearchResultDetail.do?cn=NART77110378
Export
RIS (EndNote)
XLS (Excel)
XML

Browse