processamento de linguagem natural e suas aplicações em informática em saúde prof dr stefan...

Processamento de Linguagem Natural e Suas Aplicações em Informática em Saúde

Prof Dr Stefan Schulz

Universidade Médica de Graz (Áustria)

Estrutura da palestra

• Conceitos básicos de lingüística

• Características da linguagem natural em medicina

e ciências biomédicas

• Cenários de processamento de texto livre

• Metodologia de lingüística computacional

• Exemplo







• Exemplo

1. 1. Conceitos Básicos 2. 3. 4. 5.

Semiótica – estudo dos signos

• Estudo dos signos

• Signos designam objetos / conceitos

• Lingüística: estudos dos signos das linguagem humana


http://npsglobal.com/web/8.html

Signos Linguísticos

fonemas

morfemas

palavras

frases

textos

sentenças

cardio, hepat,

hepatite

hepatite tipo B

GranularidadeO vírus da hepatite tipo B é transmitido sobretudo por meio do sangue.

Os vírus da hepatite tipo B (HBV) e C (HCV) são transmitidos sobretudo por meio do sangue. Usuários de drogas injetáveis e pacientes submetidos a material cirúrgico contaminado e não-descartável estão entre as maiores vítimas

termos

O vírus da hepatite tipo B


Conceitos básicos da lingüística (I)

Fonologia: sistema sonoro consoantes, vogais, ditongos, nasais

Morfologia: formação das palavras(radicais, prefixos, sufixos, infixos)

apendic + ectomia , anti + concepcion + aishepat + o + tomia, psico + s + somát + icoanti + ectomia

Acrônimos: AIDS, CVA, Epônimos: Doença de Parkinson

Sintaxe: regras que regem a construção de frases “Ele estava internado por apendicite”

“A irmã estavam internado por apendicite” “Parts of Speech” (POS): Verbo, substantivo, pronome, adverbios Ambuguidades sintáticas: “[plantas e animais] selvagens”

“plantas e [animais selvagens]”


Conceitos básicos da lingüística (II)

Semântica: estudo do significado das palavras / frases

“Realizou-se uma apendicectomia”“Realizou-se uma apendicectomia no ouvido externo”

Relações semânticas:Sinonímia: “enfermo” = “doente”, “perna” = “membro inf.”

Homonímia: “são e salvo”, “São 10 hs.”, “São Paulo”Disambiguação é o processo de identificar o significado correto de uma expressão ambígua.

Pragmática: “Pode deixar de fumar?“ (quero que deixe de fumar)“Está muito quente aqui dentro.” (quero que ligue o ar)


Tokens / formas/ lexemas (III)

“When flies fly behind flies, a fly is flying ahead”Quantas palavras?

ocorrências (tokens)

formas (types)

lexemas (unidades lexicais)

“When flies fly behind flies, a fly is flying ahead”



1 2 3 4 5 6 7 8 9 10

1 2 3 4 2 5 3 6 7 8

1 2 3 4 2 5 2 6 3 7


Léxicos

• Termo: signo lingüístico (não só palavra)• Léxico, dicionário: lista de termos com

atributos lingüísticos e significação • Critérios de inclusão / exclusão:

• Domínio (e.g. medicina, computação)• forma básica (“neoplasia”, não “neoplasias”)• atomicidade (“Escherichia coli”, não “neoplasia

maligna do esôfago”) • freqüência de uso: “fratura de fêmur” vs.

“fratura da falange media do dedo indicador esquerdo”


Corpora lingüísticos

• Conjunto de textos que serve como base de análise

• Tipos de analise• analise estatística (ex. listas de freqüência)• avaliação de hipóteses• validação de regras lingüísticas

• Anotação de corpora • POS (part of speech)• Anotação semântica

• Na maioria: textos jornalísticos• Em medicina: corpora importantes: MEDLINE

(inglês) • WWW como corpus


Processamento de Linguagem Natural






• Exemplo

Linguagem Natural em biomedicina

• Recurso mais importante de informação e

comunicação em

• Medicina

• Ciências biomédicas

• Produzida em diferentes formas

• Comunicação oral

• Escritura manuscrita / datilografada

• Texto legível por computador

1. 1. 2. Linguagem Médica 3. 4. 5.

Comunicação oral

Profissional - Paciente Profissional - Profissional


Escritura manuscrita / datilografada


Narrativa clínica em prontuário

SEQ DE MULTIPLOS AVCS , HIST DE CRISES

CONVULSIVAS PREVIAS AOS EPISODIOS DESTA NOITE ,

APRESENTANDO PIORA GERAL , DESIDRATACAO LEVE

SEM PIUORA DA FUNACAO RENAL, RX COM

ATELECTASIAS DE BASES - CONSOLIDADCEOS?? PACIENTE

SEM FEBRE MEDIDAAQUI -MAX 37,1 TEM NIVEL SERICO

EM ANDAMNETO DE FENITOINA A SER CHECADO COM

FAMILAIR EM EM 24 H RECEBE TTO ATB COM

CEFUROXIMA VO -HMG NORMAL É DM SEM

IMPORTANTE DESCOPENSACAO.


Texto Livre em Periódico indexado em MEDLINE

40,000 registros / mês


Observações em prontuários

• Textos produzidos sobre a pressão de tempo: • Deviação consciente da gramática normativa• Linguagem altamente compacta: sentenças incompletas,

acrônimos e abreviações, muitos contextos implícitos, muitas expressões ambíguas fora do contexto.

• Erros involuntários (gramaticais, ortográficos, por ignorar normas gramaticais e ortográficas):

“concerto”, “fraquesa”• Adicionalmente, se os textos não são gravadas e transcritas

por datilógrafos:• Erros sistemáticos e conscientes (omissão de caracteres de

pontuação, omissão de acentos, (de)capitalização“ticlopidina?contraste?infecção?” , “HIPERTENSAO”

• Lapsos de digitação“hipertemsão”

(Ana Carolina Peters et al: Análise de erros de linguagem em sumários de alta. CBIS 2010. )


Observações em textos científicos

• Textos produzidos com cuidado e revisão editorial

• Em sumários (abstracts): Textos gramaticais mais compactos, alto índice de nomes próprios (não lexicalizados) e acrônimos, parcialmente expandidos

• Variação e ambigüidade de termos e nomes: “Tyrosine kinase with immunoglobulin and epidermal growth factor

homology domains” = “tie”

NF2 = “Neurofibromatosis 2” [disease]

“Neurofibromin 2”

[protein]

“Neurofibromatosis 2 gene” [gene]

“NF-KB” = “NF-kb”

personalpages.manchester.ac.uk/staff/sophia.ananiadou/DTCI.ppt








• Exemplo

Gravação Transcrição Texto eletrônico

Fala vs. escrita, vs. escritura manuscrita

Sistema de Reconhecimento de fala

Sistema de Reconhecimento

de caracteres

1. 1. 2. 3. Cenários de PLN 4. 5.

Princípio de Processamento de Linguagem Natural

Texto eletrônico Processamento Representação

matemática

Léxicos

Corpora

Ontologias

KB

1. 1. 2. 3. Cenários de PLN 4. 5.

Tarefas

• Extração de informação

• Codificação automatizada

• Recuperação de informação

• Recuperação de documentos

• Recuperação de fatos

• Interpretação de linguagem natural

• Tradução automática

• Geração Automática de Texto

• Simplificação de texto

• Correção ortográfica

• (Reconhecimento Vocal)

• (Reconhecimento de Escritura Manuscrita)

1. 1. 2. 3. Cenários de PLN 4. 5.

Recuperação de documentos1. 1. 2. 3. Cenários de PLN 4. 5.

Recuperação de documentos: Abordagem Básica

Uma coleção de documentosD = {d1, d2, ..., dn}

uma consulta (query) qDois métodos:

„Filtro“ divide D em dois conjuntos Drelq e Dnrelq (Drelq = conjunto de documentos relevantes para q) (Dnrelq = conjunto de documentos relevantes para q)

„Ranking“ = classificar por relevancia:D = [d‘1, d‘2, ..., d‘n]com rel (d‘i) rel (d‘i+1)

Combinações possíveis

1. 1. 2. 3. Cenários de PLN 4. 5.

Resultados de busca

Coleção de documentos

Consulta ?

Recuperação de documentos

Documentos classificadoscomo relevantes

1. 1. 2. 3. Cenários de PLN 4. 5.

Ranking de relevância

?

Coleção de documentos

Consulta

Recuperação de documentos

1. 1. 2. 3. Cenários de PLN 4. 5.

Extração de informação1. 1. 2. 3. Cenários de PLN 4. 5.

Extração de informação

Template

Item 1

Item 3

Item 5

Item 2

Item 4

Item 6

Item 7

Item 8

shadow was pointed out on a routine chest X-ray film, but she had no further examination. Physical examination on admission revealed purpura of the upper and lower extremities, swelling of the gums and tonsils, but no symptoms showing the complication of myasthenia gravis. Hematological tests revealed leucocytosis: WBC count 68 700/µl (blasts 11.5%, myelocytes 0.5%, bands 2.0%, segments 16.0%, monocytes 65.5%, lymphocytes 4.0%, atypical lymphocytes 0.5%), Hb 7.1 g/dl (reticulocytes 12%) and a platelet count of 9.1 × 104/µl. Further laboratory examination revealed elevated serum lactic dehydrogenase (589 U/l), vitamin B12 (2010 pg/ml) and ferritin (650. 0 ng/ml). Human chorionic gonadotropin and [alpha]-fetoprotein levels were normal. A bone marrow aspiration revealed hypercelllar bone marrow with a decreased number of erythroblasts and megakaryocytes and an increased number of monoblasts that were positive for staining by [alpha]-naphthyl butyrate esterase and negative for staining by naphthol ASD chloroacetate esterase. Chest X-ray upon admission revealed a mediastinal mass and an elevated left diaphragm . Computed tomography (CT) of the chest showed a

1. 1. 2. 3. Cenários de PLN 4. 5.

Extração de informação

Tumor registry

Data diagnosticoprimário

Grading

Morfologia

Localizaçãoprimária

Staging

DataTerapia

Quimioterapia

Radioterapia

shadow was pointed out on a routine chest X-ray film, but she had no further examination. Physical examination on admission revealed purpura of the upper and lower extremities, swelling of the gums and tonsils, but no symptoms showing the complication of myasthenia gravis. Hematological tests revealed leucocytosis: WBC count 68 700/µl (blasts 11.5%, myelocytes 0.5%, bands 2.0%, segments 16.0%, monocytes 65.5%, lymphocytes 4.0%, atypical lymphocytes 0.5%), Hb 7.1 g/dl (reticulocytes 12%) and a platelet count of 9.1 × 104/µl. Further laboratory examination revealed elevated serum lactic dehydrogenase (589 U/l), vitamin B12 (2010 pg/ml) and ferritin (650. 0 ng/ml). Human chorionic gonadotropin and [alpha]-fetoprotein levels were normal. A bone marrow aspiration revealed hypercelllar bone marrow with a decreased number of erythroblasts and megakaryocytes and an increased number of monoblasts that were positive for staining by [alpha]-naphthyl butyrate esterase and negative for staining by naphthol ASD chloroacetate esterase. Chest X-ray upon admission revealed a mediastinal mass and an elevated left diaphragm . Computed tomography (CT) of the chest showed a

Extração de informação1. 1. 2. 3. Cenários de PLN 4. 5.







• Exemplo

“Pipeline” de processamento de linguagem natural

identificarsentenças

verificarortografia

expansãoacrônimos

identificaçãode nomes

etiquetadorPOS

parser frases nominais

representaçãopadronizada

1. 1. 2. 3. 4. Metodologia 5.



verificarortografia

expansãoacrônimos


etiquetadorPOS



# HAS # DM # Miocardiopatia dilatada chagásica (FE 35%) # Ca de prostata - orquiectomia (2004) # Cardiopatia isquêmica - IAM em 2005, com colocação de stent em DA e lesão severa inoperável em CD Pct. vem a emergência em 20/03 com quadro de dor torácica típica, sem elevação enzimática, com diagnóstico de angina instável e fibrilação atrial não identificada em avaliações prévias. Adicionalmente, apresentava descompensação do diabetes com sindrome hiperosmlar não cetótica.

# HAS # DM # Miocardiopatia dilatada chagásica (FE 35%) # Ca de prostata - orquiectomia (2004) # Cardiopatia isquêmica IAM em 2005, com colocação de stent em DA e lesão severa inoperável em CD Pct. vem a emergência em 20/03 com quadro de dor torácica típica, sem elevação enzimática, com diagnóstico de angina instável e fibrilação atrial não identificada em avaliações prévias. Adicionalmente, apresentava

1. 1. 2. 3. 4. Metodologia 5.



verificarortografia

expansãoacrônimos


etiquetadorPOS



seq de multiplos avcs , hist de crises convulcivas previas aos episodios desta noitw, apresentando piora geral, desidratacao leve s/ pioura da funcao renal . atelectasias de dases consolidacoes – febre medida aqui max 37,1 tem nivel seico em andamneto de fenitoina

seqüência de múltiplos AVCs , histórico de crises convulsivas previas aos episódios desta noite, apresentando piora geral, desidratação leve sem piora da função renal . Atelectasis de bases consolidações – febre medida aqui max. 37,1 tem nível sérico em andamento de fenitoina

1. 1. 2. 3. 4. Metodologia 5.



verificarortografia

expansãoacrônimos


etiquetadorPOS



Maria das Dores Azevedo procedente do Hospital de Alvorada onde estava internado desde 28/05 por broncoespasmo e disfunção respiratória, recebendo ampi-sulbactam e beta 2 agonista de 2/2h, com boa evolução. Encaminhado ao HCPA em 01/06 por ter iniciado dia 31/05 com distensão e dor abdominal importantes, acompanhado de vômitos fecalóides, sendo iniciado metronidazol e gentamicina. Havia recebido albendazol durante a internação, sem eliminar vermes. Avaliado pela CIPED: provável obstrução intestinal por áscaris..

Maria das Dores Azevedo procedente do Hospital de Alvorada onde estava internado desde 28/05 por broncoespasmo e disfunção respiratória, recebendo ampi-sulbactam e beta 2 agonista de 2/2h, com boa evolução. Encaminhado ao HCPA em 01/06 por ter iniciado dia 31/05 com distensão e dor abdominal importantes, acompanhado de vômitos fecalóides, sendo iniciado metronidazol e gentamicina. Havia recebido albendazol durante a internação, sem eliminar vermes. Avaliado pela CIPED: provável obstrução intestinal por áscaris..

1. 1. 2. 3. 4. Metodologia 5.



verificarortografia

expansãoacrônimos


etiquetadorPOS

parser (chunker)


Foi extubado, apresentou estridor que cedeu com NBZ com adrenalina e dexa. Apresentou bradicardia. Suspenso fentanil, permaneceu bradicárdico, necessitou atropina. Avaliado pela cardiologia sem particularidades. Após alta da UTI, recebeu óleo mineral e permaneceu eliminando áscaris. Após retirada do óleo mineral foi iniciado dieta, com boa aceitação, e albendazol. Recebe alta em bom estado geral, aceitando dieta VO, SV estáveis, apresentando hiperemia ao redor da ileostomia.Retorno com CIPED

FoiNOUNextubado VERB, SENTapresentou VERBestridor NOUNque DETcedeu VERBcom PRNBZ NOUNcom PRadrenalina NOUNe DETdexaNOUN.SENTApresentou VERBbradicardia SNOUN. SENT

1. 1. 2. 3. 4. Metodologia 5.

Mudança de paradigma em Lingüística Computacional

Racionalismo Empiricismo

1990 2000 2010

processamento simbólico processamento probabilístico

síntese

1. 1. 2. 3. 4. Metodologia 5.

Metodologias:

• Processamento simbólico (domínios bem delineados, sem muita IA)• regras de produção• expressões regulares• léxicos, gazeteers (listas com nomes)

• Processamento probabilístico• Corpora

• com anotações manuais: treinamento supervisionado• sem anotações: treinamento não supervisionado

• Modelos• Naive Bayes• MaxEnt• Support Vector Machines (SVN)• Conditional Random Fields (CRF)

1. 1. 2. 3. 4. Metodologia 5.

Problemas do processamento simbólico (“crise de AI”)

• Complexidade computacional• gramáticas

• finite state automata / linear grammars O(n)• pushdown automata / context-free grammars O(n3)• unification grammars, dependency grammars

NP-complete• lógicas

• propositional logic, monadic first-order predicate logic decidable• first-order predicate logic

semi-decidable• nth-order predicate logic (n > 1), modal logics

undecidable

• Manutenção• grandes léxicos, ontologias, bases de conhecimento

1. 1. 2. 3. 4. Metodologia 5.

Desafios (I)

• Processamento simbólico (domínios bem delineados, sem muita IA)• regras de produção• expressões regulares• léxicos, gazeteers (listas com nomes)

• Processamento probabilístico• Corpora

• com anotações manuais: treinamento supervisionado• sem anotações: treinamento não supervisionado

• Modelos• Naive Bayes• MaxEnt• Support Vector Machines (SVN)• Conditional Random Fields (CRF)

1. 1. 2. 3. 4. Metodologia 5.

Desafios (II)

• Dinamica da linguagem real • Produtividade morfológica (“aidético”)• Neologismos , abreviações (“pct”)• entradas erradas e não especificadas

(“CONSOLIDADCEOS?? PACIENTE SEM FEBRE MEDIDAAQUI -MAX 37,1”)

• ambiguidade• importância do contexto

• negação (“não foi conformada a hipótese que...”)• incertidão (“neoplasia de comportamento duvidoso”)

• expressões temporais (“nas primeiras duas semanas”)• coordinações complexas (“invasive and metastatic, highly differentiated

carcinoma invasor e matastático, pouco diferenciado”)

1. 1. 2. 3. 4. Metodologia 5.

Recursos

• Ananiadou: Text mining in biomedicine: Techniques and Toolspersonalpages.manchester.ac.uk/staff/sophia.ananiadou/DTCI.ppt

• openNLP: http://opennlp.sourceforge.net/• UIMA (Unstructured Information Management applications)

http://uima.apache.org/• Association of Computational Linguistics: ACL wiki

http://aclweb.org/aclwiki/index.php?title=Main_Page• Foundation of Statistical Natural Language Processing

http://nlp.stanford.edu/fsnlp/• Livros:

• Chris Manning and Hinrich Schütze, Foundations of Statistical Natural Language Processing, MIT Press. Cambridge, MA: May 1999

• Ananiadou, Mcnaught: Text Mining for Biology And Biomedicine • Hersh: Information Retrieval. A Health and Biomedical Perspective.

1. 1. 2. 3. 4. Metodologia 5.

http://opennlp.sourceforge.net/

http://uima.apache.org/

http://aclweb.org/aclwiki/index.php?title=Main_Page

http://nlp.stanford.edu/fsnlp/







• Exemplo

Estudo: codificação automatizada

• Fonte:

– sumários de alta do departmento

de cardiologia do Hospital de

Clínicas de Porto Alegre, Brasil

• Destino

• SNOMED Clinical Terms, 01/2009

• Linguagens: Inglês, Espanhol

1. 1. 2. 3. 4. 5. Exemplo

SNOMED CT

Termos médicos (inclusive sinônimos e

traduções) são conectados com

conceitos (portadores de significado)

311 000conceitos

~750 000 termos em Inglês,

~400 000 em Espanhol

1. 2. 3. 4. 5. Exemplo

PLN (processamento de linguagem natural)


verificarortografia

expansãoacrônimos


etiquetadortipo de palavra

extraçãofrases nominais

deteção de contexto

abstraçãomorfo-semântica

SCT - EN

SCT - SP

criaçãosubconjunto


MID-representaçãoSNOMED CT

MID-representação

candidatos a termo

1. 2. 3. 4. 5. Exemplo

Mapeamento de termos médicos

Problema:

highbloodpressure

hipertensãoarterial

meningoencefalite

Bluthochdruck

Entzündung

von Hirnhäuten

Gehirn

und

meningocerebral inflammation hipertensiónarterialmeningoencefaliti

s

Aborgagem MorphoSaurus: construir equivalências semánticas a nivel de fragmentos de palavras

1. 2. 3. 4. 5. Exemplo

Átomos semânticos ou „subwords“

• Definição: sequência de caracteres cujo

significado não decorre dos significados dos

componentes, exemplo: diafise mas não dia +

fisediáfise = haste do osso, fise (gr. physis) = natureza

neur + ite, mas neurose, não neur + oseneur… = nervo, -ite = inflamação, -ose = doença:

Uma neurite é uma inflamação de nervo(s), mas neurose não é

uma doença de nervo(s)

• Subwords podem ser morfemas assim como

combinações de morfemas, inclusive palavras

inteiras

1. 2. 3. 4. 5. Exemplo

Sistema MorphoSaurus

• Sistema de indexação morfo-semântica

• Traduz texto para interlíngua

• Domínio: Linguagem Clínica

• Idiomas: Inglês, Alemão, Português, Espanhol, Sueco, Francês

• Componentes:

Léxico de subwords

Tesauro

Parser morfossintático

Indexador

1. 2. 3. 4. 5. Exemplo

Modelo do Léxico

String of characters

Type = {stem, invariant, prefix, infix, suffix, initial prefix, terminal suffix}

Language = {English, German, Spanish, Portuguese, French, Swedish}

Lexeme(e.g. „anticoncepcionais“)

[anti, prefix, portuguese][concepc, stem, portuguese][ionais, terminal suffix, portuguese]

(e.g. „partnership“)

[partner, stem, english][ship, suffix, english]

(e.g. „ship“)

[ship, invariant, english]

1. 2. 3. 4. 5. Exemplo

Modelo do Léxico



Language = {English, German, Spanish, Portuguese, French,Swedish}

Lexeme

MID1..n 1

MID42= ([muscle, stem, english], [muscul, stem,

english], [myo, prefix,

english], [muscul, stem,

portuguese], [mio, prefix,

portuguese], [muskel, stem,

german], [muskul, stem,

german], [myo, prefix,

german])

MIDs identificam grupos de lexemas sinônimos

1. 2. 3. 4. 5. Exemplo

Modelo do Léxico



Language = {English, German, Spanish, Portuguese, French,Swedish}

Lexeme

MID1..n 1

1

12…n

2…n

has-sense

expands-to

associa um MID ambíguo com dois ou mais MID nãoambíguos

(expansão paradigmática)

associa um MID de sentido não atômico com dois ou mais MID atômicos

(expansão sintagmática)

1. 2. 3. 4. 5. Exemplo

Modelo do Léxico

MID

1

12…n

2…n

has-sense

expands-to

associa um MID ambíguo com dois ou mais MID nãoambíguos

(expansão paradigmática)

associa um MID de sentido não atômico com dois ou mais MID atômicos

(expansão sintagmática)

MID16: ([head, stem, english])- has-sense MID12:

([caput, stem, english], [capit, stem, english], [cephal, stem, english], [cefal, stem, portuguese], [cabec, stem, portuguese])

- has-sense MID34: ( [chief, stem, english], [chef, stem, portuguese])

MID26: ([myalg, stem, english], [mialg, stem, portuguese])

-expands-to MID42: ([muscle, stem, english],

[muscul, stem, english], [muscul, stem, portuguese])

-expands-to MID88: ([pain, stem, english],

[dor, invariant, portuguese], [algia, suffix, portuguese])

1. 2. 3. 4. 5. Exemplo

1. 2. 3. 4. 5. Exemplo

Hahn, Schulz et al., RIAO 2004

Queries: German, Documents: English(OHSUMED collection)

Baseline: English / English

Morphosaurus Indexing

Automated Query Translation+Dictionary Lookup

Sistema MorphoSaurus : resultados experimentais em cenário CLIR

1. 2. 3. 4. 5. Exemplo

PLN (processamento de linguagem natural)


verificarortografia

expansãoacrônimos


etiquetadortipo de palavra

extraçãofrases nominais

deteção de contexto


SCT - EN

SCT - SP

criaçãosubconjunto


MID-representaçãoSNOMED CT

MID-representação

candidatos a termo

Heurística deMapeamento

1. 2. 3. 4. 5. Exemplo

Heurística de mapeamento: Exemplo

SNOMED CTConcept Description

MIDs

ENG: Congestive heart failure #abund #cardiac #deficien

ENG: Congestive cardiac failure #abund #cardiac #disorder

POR: Insuficiência cardíaca #insuff #cardiac

SPA: Insuficiencia cardíaca #insuff #cardiac

SPA: Insuficiencia cardíaca congestiva #insuff #cardiac #abund

1. 2. 3. 4. 5. Exemplo

Heurística de mapeamento

• Para cada “candidato a termo” no documento

• decida se existem um termo SNOMED correspondentes

• caso sim, seleccione o melhor termo SNOMED

• Critérios de preferência:

• Sequências “típicas” de etiquetas POS, ex:

“Infarto agudo do miocárdio”

substantivo – adjetivo – DE – substantivo

• coincidência de MIDs

• threshold: 60%

• Em caso de falha: verifique se “candidato a termo”

corresponde para dois conceitos da SNOMED , usando

relacionamentos da SNOMED para preselecção

1. 2. 3. 4. 5. Exemplo

Padrão ouro (kappa = 0.89)

1. 2. 3. 4. 5. Exemplo

Resultados preliminares

Number of tokens (MIDs) Correct Mappings2 66%3 71%4 80%5 89%6 79%7 80%8 75%9 45%10 25%

1. 2. 3. 4. 5. Exemplo

Próximo passo: identificar contextos

• Problema: nem toda ocorrência de um termo em um

documento refere a uma instância concreta de um conceito

terminológico ou ontológico

• Contextos alternativos:

• planos

• hipóteses

• negação

• Ignorar contextos: dados não confiáveis

1. 2. 3. 4. 5. Exemplo

acute abdomen

CTabdomen

aortal aneurysm

aneurysm-ectomy

vascular prosthesis

deathsystemicinfection

multiple organ failure

vasoactive drug

hemodialysis

Paciente interna por quadro de abdome agudo. TC de abdome mostrou aneurisma de aorta com evidencia de extravasamento de contraste. Levado a cirurgia de urgência, sendo realizada aneurismectomia com colocação de prótese. No pós-operatório evoluiu com síndrome da resposta inflamatória sistêmica, com disfunção de múltiplos órgãos e instabilidade hemodinâmica. Apesar do manejo com drogas vasoativas, reposição hídrica e hemodiálise veno-venosa crônica, o paciente apresentou piora progressiva, evoluindo para óbito.

Ontology

Contextos: Exemplo 1

1. 2. 3. 4. 5. Exemplo

incisionalhernia herniorrhaphy

operation room

liver transplant

operation

• instance • not instantiated• reference to a

plan

operation

• reference to a suspendedplan

• instance • referenceto a plan

• NOT referringto the samepatient

• reference to a new plan

• not yet executed

PACIENTE COM HÉRNIA INCISIONAL INTERNOU PARA REALIZAÇÃO DE HERNIOPLASTIA PORÉM A CIRURGIA FOI SUSPENSA DEVIDO A NECESSIDADE DE SALA COM URGÊNCIA PARA TRANSPLANTE HEPÁTICO. RECEBE ALTA COM ORIENTAÇÕES E CIRURGIA REMARCADA.

Ontology

Contextos: Exemplo 2

1. 2. 3. 4. 5. Exemplo

ConclusãoConclusão

• Trabalho ainda não concluído– primeiros resultados mostram que o mapeamento para

SNOMED funciona através de idiomas

• Trabalho futuro– completar o “pipeline”

– Avaliar impacto de cada elemento do pipeline

– Identificar contextos

– Uso da estrutura ontológica da SNOMED

– Publicação em preparação (IEEE Transactions on Information Technology in Biomedicine)

ConclusãoTeste de conhecimento (i)

S1: “O cachorro estão latindo”

S2: “A lua está latindo”

__ S1 viola uma regra morfológica

__ S2 viola uma regra pragmática

__ S1 está sintáticamente correta

__ “latindo” é uma palavra lexicalmente ambígua

ConclusãoTeste de conhecimento (ii)

__ codificação automatizada é um exemplo de extração de informação

__ reconhecimento automatizado é um recurso imprescindível para PLN em medicina

__ Em PLN, a metodologia probabilística está sendo

substituída por metodologias baseadas em IA

__ Um parser identifica a estrutura hierárquica de uma sentença

ConclusãoTeste de conhecimento (iii)

__ um corretor ortográfico é um elemento importante de um pipeline de PLN quando é utilizado para processar textos científicos

__ na tradução de termos médicos o número de tokens fica constante

__ No processamento de linguagem clínica a identificação de frases com negação é importante

__ Todos os motores de recuperação de documentos produzem um ranking por relevância

Acknowledgements

• German Research Foundation (DFG)

• International Bureau of the

German Ministry of Research (BMBF-IB)

• Brazilian National Research Council (CNPq)

• Paraná Catholic University (PUCPR), Curitiba

• Hospital de Clínicas de Porto Alegre (HCPA)

• Averbis GmbH, Freiburg