Przegląd metod przybliżonego dopasowania tekstu do kategorii na przykładzie opisu objawów niepożądanych w badaniach klinicznych

Abstract

Opisy zdarzeń medycznych zebranych w badaniach klinicznych wymagają czasochłonnego oraz podatnego na błędy procesu kodowania zgodnie z międzynarodowymi standardami terminologii medycznej. Celem niniejszej pracy jest zbadanie możliwości wykorzystania metod z dziedziny wyszukiwania informacji w celu automatyzacji procesu klasyfikacji tekstu do słownika MedDRA. W części eksperymentalnej pozyskano dane z 17 badan klinicznych, które poddano oczyszczeniu i wykorzystano przy przypisywaniu wartości LLT na podstawie opisu zdarzenia zawartego w Verbatim Term. Sprawdzono i porównano efektywność metod z zastosowaniem miar odległości łańcuchów znaków (np. miarę Levenshteina) oraz metod opartych na miarach częstości słów tj. miary wielkości przecięcia i podobieństwa kosinusowego. Spośród przebadanych metod najlepszy wynik miary makro F1 równy 0.33 uzyskano dla połączenia miary podobieństwa kosinusowego z miara odległości łańcuchów znaków. Stosunkowo niska efektywność w porównaniu do wyników najnowszych doniesień naukowych możne wynikać z faktu zastosowania prostych bezkontaktowych metod, a także specyfiki słownika MedDRA.