TMT: A tool to guide users in finding information on clinical texts

• Autores: Fernando Aparicio Galisteo, Manuel de Buenaga Rodríguez , Margarita Rubio, María Asunción Hernando Jerez, Diego Gachet , Enrique Puertas Sanz , Ignacio Giráldez
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 46, 2011, págs. 27-34
• Idioma: inglés
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    La gran cantidad de información médica disponible a través de internet, tanto en formato estructurado como en formato texto, hace que los distintos tipos de usuario se encuentren con diferentes problemas a la hora de efectuar una búsqueda efectiva. Por un lado, los estudiantes de medicina, el personal sanitario y los investigadores en el área de la biomedicina disponen de una gran variedad de fuentes y herramientas de características dispares, que precisan de un periodo de aprendizaje a veces insalvable. Por otro lado, los pacientes, sus familiares y personas que no pertenecen a la profesión médica, se encuentran con el problema añadido que supone no estar suficientemente familiarizados con la terminología médica. En este artículo presentamos una herramienta que permite extraer conceptos médicos relevantes presentes en un texto clínico, haciendo uso de técnicas para el reconocimiento de entidades nombradas, aplicadas sobre listas de conceptos, y técnicas de anotación a partir de ontologías. Para proponer los conceptos se hace uso de un recurso no formal de conocimiento, como es Freebase, y de recursos formales como son Medlineplus y Pubmed. Nosotros argumentamos que la combinación de estos recursos, con información menos formal y en lenguaje más divulgativo (como es Freebase), con información formal y en lenguaje más divulgativo (como es Medlineplus) o con información formal y en lenguaje más especializado (como son las publicaciones científicas de Pubmed), optimiza el proceso de localización de información médica sobre un caso clínico complejo a usuarios con diferentes perfiles y necesidades, tales como son los pacientes, los médicos o los investigadores. Nuestro objetivo último es la construcción de una plataforma que permita albergar diferentes técnicas para facilitar la práctica de la medicina traslacional.

  • English

    The large amount of medical information available through the Internet, in both structure and text formats, makes that different types of users will encounter different problems when they have to carry out an effective search. On the one hand, medical students, health staff and researchers in the field of biomedicine have a variety of sources and tools of different characteristics which require a learning period sometimes insurmountable. On the other hand, patients, family members and people outside of the medical profession, face the added problem of not being sufficiently familiarized with medical terminology. In this paper we present a tool that can extract relevant medical concepts present in a clinical text, using techniques for named entity recognition, applied on lists of concepts, and annotation techniques from ontologies. To propose these concepts, our tool makes use of a non formal knowledge source, such as Freebase, and formal resources such as MedlinePlus and PubMed. We argue that the combination of these resources, with information less formal and more plain language (like Freebase), with formal information and more plain language (like Medlineplus) or with formal information and more technical language (such as the Pubmed scientific literature), optimize the process of discover medical information on a complex clinical case to users with different profiles and needs, such as are patients, doctors or researchers. Our ultimate goal is to build a platform to accommodate different techniques facilitating the practice of translational medicine.

• Referencias bibliográficas
  • Auer, S., C. Bizer, G. Kobilarov, J. Lehmann, R. Cyganiak y Z. Ives. 2007. DBpedia: A Nucleus for a Web of Open Data. En The Semantic Web,...
  • Bellazzi R., C. Larizza, M. Gabetta, G. Milani, A. Nuzzo, V. Favalli y E. Arbustini. 2010. Translational Bioinformatics: Challenges and Opportunities...
  • Bizer, C., J. Lehmann, G. Kobilarov, S. Auer, C. Becker, R. Cyganiak y S. Hellmann. 2009. DBpedia - A crystallization point for the Web of...
  • Bollacker, K., C. Evans, P. Paritosh, T. Sturge y J. Taylor. 2008. Freebase: a collaboratively created graph database for structuring human...
  • Brenes, D. J., D. G. Avello y K. P. González. 2009. Survey and evaluation of query intent detection methods. En Proceedings of the workshop...
  • Clifford, G., D. J. Scott y M. Villarroel. 2010. User Guide and Documentation for the MIMIC II Database, Rev: 259. Cambridge, MA, USA.
  • Dowell, K. G., M. S. McAndrews-Hill, D. P. Hill, H. J. Drabkin y J. A. Blake. 2009. Integrating text mining into the MGI biocuration workflow....
  • Han, X. y J. Zhao. 2009. CASIANED: Web Personal Name Disambiguation Based on Professional Categorization. En Proceedings of 2nd Web People...
  • Hearst M. A. 2008. UIs for Faceted Navigation: Recent Advances and Remaining Open Problems. En Proceedings of the Second Workshop on Human-Computer...
  • Jonquet, C., N. Shah y M. Musen. 2009. The Open Biomedical Annotator. En AMIA Summit on Translational Bioinformatics, pp. 56-60, San Francisco...
  • Jonquet, C., M. A. Musen y N. H. Shah. 2010. Building a biomedical ontology recommender web service. Biomedical semantics, 1(1):S1.
  • Luo, G. y C. Tang. 2008. On iterative intelligent medical search. En Proceedings of the 31st annual international conference on Research and...
  • Meyer S., J. Degener, J. Giannandrea y B. Michener. 2010. Optimizing schema-last tuple-store queries in graphd. En Proceedings of the International...
  • Mirhaji, P., M. Zhu, M. Vagnoni, E. Bernstam, J. Zhang y J. Smith. 2009. Ontology driven integration platform for clinical and translational...
  • Musen, M., N. Shah, N. Noy, B. Dai, M. Dorf, N. Griffith, J. D. Buntrock, C. Jonquet, M. J. Montegut y D. L. Rubin. 2008. BioPortal: Ontologies...
  • Noy, N. F., N. H. Shah, P. L. Whetzel, B. Dai, M. Dorf, N. Griffith, C. Jonquet, D. L. Rubin, M. A. Storey, C. G. Chute y M. A. Musen. 2009....
  • Ruiz-Rico, F., J. Vicedo y M. Rubio-Sánchez. 2008. Multilingual assistant for medical diagnosing and drug prescription based on category ranking....
  • Ruttenberg, A., J. A. Rees, M. Samwald y M. S. Marshall. 2009. Life sciences on the Semantic Web: the Neurocommons and beyond. Briefings in...
  • Sarkar, I. 2010. Biomedical informatics and translational medicine. Translational medicine 8(1):22+.
  • Shariff, S., M. Cuerden, R. B. Haynes, K. A. McKibbon, N. Wilczynski, A. Iansavichus, M. Speechley, A. Thind y A. Garg. 2010. Evaluating the...
  • Trivedi, M. 2009. A study of search engines for health sciences. Library and Information Science, 1(5): 069-073
  • Twigger, S., J. Geiger y J. Smith. 2009. Using the NCBO Web Services for Concept Recognition and Ontology Annotation of Expression Datasets....
  • Watson, M., A. Smith y S. Watter. 2005. Leximancer concept mapping of patient case studies. En LNCS: Part III. Knowledgebased intelligent...
  • Weichselbraun, A. 2009. A Utility Centered Approach for Evaluating and Optimizing Geo-Tagging. En First International Conference on Knowledge...
  • Woolf, S. H. 2008. The Meaning of Translational Research and Why It Matters. JAMA 299(2):211-213.