JP2009510639A - 医療用語の曖昧性を判定するシステム、方法およびソフトウェア - Google Patents

Abstract

いくつかの医療用語は、特定の文脈により、非医療用語として用いられることもある。従って、本発明者は、医療情報データベースに記載されている用語が別の情報データベースでも医療用語として使用されているかを判定するシステム、方法およびソフトウェアを発明した。典型的実施例では、用語を受け取ってから医療および非医療情報データベースの言語モデルを基に曖昧性スコアをコンピュータで計算する。上記方法は、用語を受け取るステップと、第一および第二言語モデルに基づく前記用語の曖昧性スコアを判定するステップと、前記曖昧性スコアを出力するステップとを含む。

Description

著作権表示および著作権使用許可
本願の一部は、著作権保護の対象となる記述を含む。著作権所有者は、特許商標庁の保管する特許ファイルまたは記録に記載がある場合、何者かによる本特許文献または本特許開示の複製に異議はないが、それ以外はいかなる場合も全著作権を所有する。以下の表示は本願に適用される：

（著作権は２００５年から２００６年トムソン・グローバル・リソースに帰属）。

関連出願の相互参照
本願は、２００５年１０月４日に申請された米国仮特許第６０／７２３，４８３号に対して優先権を主張する。前記仮特許は、引用することにより本願に援用される。

技術分野
本発明の多様な実施例は、文書の医療的文脈を判別し、前記医療的文脈に基づき文書を別の文書にリンクさせるシステム、方法およびソフトウェアに関する。

背景
インターネットやその他のコンピュータネットワークの目覚ましい発展により、こうしたネットワークを通してデータへのアクセスが容易になった。データにアクセスする有効な形態の１つは、電子文書内のハイパーリンクの使用である。

ハイパーリンクとは、ユーザが選択したハイライト付きテキストやアイコンなどから、電子文書の一部分から同じ文書の別の部分に、またはデータベースまたはコンピュータネットワーク内の別の文書へリンクするものである。適切なコンピュータ機器およびネットワークアクセスがあれば、ユーザはハイパーリンクを選択または起動でき、実質上世界中のどのコンピュータシステムにある文書でも瞬時に表示できる。
多くのハイパーリンクは手動で作成され文書に挿入されるが、近年、文書テキストの種類を判別し、判別したテキストをハイパーリンクにより別の関連する文書へリンクする自動化技術が開発されている。例えば、法律関連のリサーチを円滑にするために、ウェストロー・リーガル・リサーチシステム（ｔｈｅ Ｗｅｓｔｌａｗ ｌｅｇａｌ ｒｅｓｅａｒｃｈ ｓｙｓｔｅｍ）は、テキスト内の法律の引用や弁護士の名前を判別し、引用に関してはデータベース内の対応する法律文書に、弁護士の名前はオンラインディレクトリ内の人名索引にリンクする。詳細は、特許文献１および特許文献２を参照。両出願は、引用することにより本願に援用される。

ウェストローシステムにおけるリンクの自動化技術は、法律の引用や人名には非常に有効であるが、本発明者はこの技術は医療用語など別の内容には適さないと判断した。例えば、本発明者は、テキスト内の法律の引用や事業体名の判別は医療用語の判別よりも一般的に単純であると認識する。用語は、ある文脈では医療用語として、別の文脈では非医療用語として用いられる場合があるためである。一方、法律の引用および人名は、一般的に文脈に関係なく、法律の引用および人名として用いられる。
従って、本発明者は用語が医療用語であるか、非医療用語であるかを判別する方法を自動化する必要性を認識している。
米国特許第７，００３，７１９号明細書 米国特許出願公開第２００３／０１３５８２６号明細書

この必要性および／または別の必要性に答えるため、本発明者は、特に、用語が医療用語であるか、非医療用語であるかの判定を容易にするシステム、方法およびソフトウェアを発明した。

発明を実施するための最良の形態
図１と図２を参照および引用する以下の詳細な説明は、本発明の１つ以上の典型的実施例を説明し図示する。実施例は、本発明を典型的に示し解説するために提供されるがこれに限らず、当業者が本発明を利用するに足り得るに十分なだけ詳細に図示、解説される。従って、本発明を不明瞭にすることを避けるために、当業者に周知の内容に関する解説を省くこともある。

本発明を具体化する典型的コンピュータシステム
図１は、医療用語など用語の曖昧性を判定するためのシステム、方法およびソフトウェアを使用した典型的コンピュータシステム１００の図である。この典型的システムは、分離した別のコンポーネントを相互接続したアンサンブルとして表されているが、別の実施例ではより多くのまたはより少ない数のコンポーネントを用いてその機能性を提供する。さらに、いくつかの実施例では、有線またはワイヤレスの、ローカルまたはワイドエリアネットワークを通して、１つ以上のコンポーネントを相互接続する。いくつかの実施例は、1つ以上の大型凡用コンピュータまたはサーバを利用して、システム１００の１つ以上の部位を実行する。従って、本発明は特定の機能分割に限るものではない。

一般的にシステム１００は、入力用語１１０、用語曖昧性カリキュレータ１２０および曖昧性スコア出力１３０を構成する。

入力用語１１０は、医療用データベースからの1連の用語など１つ以上の用語を含む。典型的実施例において、入力用語１１０は統一医学用語システム（ＵＭＬＳ）からの用語を含む。下の表は、ＵＭＬＳが疾病、怪我、医療処置、身体部位および薬物カテゴリーに関わる用語を多数包含していることを示している。

いくつかの実施例において、入力用語１１０は、電子フォーマットでの裁判所の見解または別の種類の法律文書から抽出された用語である。

用語曖昧性カリキュレータ１２０は、データベース１１０に接続されている。カリキュレータ１２０は、１つ以上のコンベンショナル・プロセッサ１２１、ディスプレイ装置１２２、インターフェース装置１２３、ネットワーク・コミュニケーション装置１２４およびメモリ１２５を含む。電子、磁気および／または光信号媒体上のコード化された命令またはデータなど様々な形態を取ることのできるメモリ１２５は、用語曖昧性ソフトウェア１２６を含む。

用語曖昧性ソフトウェア１２６は、それぞれの入力用語「ｔ」および以下の通り定義される曖昧性スコア「Score（用語）」を判定し計算する多様なソフトウェアおよびデータコンポーネントを含む。

また、λ_１とλ_２は定数であり、いくつかの実施例で、スコア判定機能を標準化または円滑にするために使われる。いくつかの実施例において、λ_１とλ_２は０．５に設定される。典型的実施例では、Ｗｒｉｔｔｅｎ ＢｅｌｌスムージングでのバックオフＮ−ｇｒａｍを用いて言語モデルを円滑化する。

典型的スコア判定機能は、「肝臓の」などの用語の医療上のＮｇｒａｍは、ニュースまたは法律関連よりもＵＭＬＳで比較的頻繁に見られ、「ｄｒｉｎｋｉ」などのＮｇｒａｍはＵＭＬＳよりもニュースまたは法律関連で比較的頻繁に見られるという直感に基づいている。ニュースまたは法律関連よりもＵＭＬＳによってより高い精度で予測できるＮｇｒａｍを含む用語はより高いスコアを産出する傾向があり、従って、ニュースまたは法律関連文書に記載されている場合に、非医療用語ではなく医療用語である可能性が高くなることを示唆する。

用語曖昧性カリキュレータ１２０は、入力用語に基づいた1連の１つ以上の曖昧性スコア１３０を出力する。（図１は、入力用語１１０と出力スコア１３０が、メモリ１３０に保存されることを示す。）典型的実施例において、スコアは対応する用語に関連したそれぞれのスコアを示すランク付けリストとして出力される。（用語は１つ、もしくは１つ以上の単語を構成することに留意する。）
曖昧性スコアは、例えばある用語を含む文書内にその用語に関連するＵＬＭＳ文書に戻るリンクを挿入することが適切であるかを判断するなど、様々な目的で使用される。例えば、１．５以上の曖昧性スコアを有する用語を示す出力用語は明らかに医療用語であると判定されてもよく、従って高い信頼度を持って、関連するＵＬＭＳ文書にリンクされてよい。一方、低値のスコアを有する「言葉のサラダ」や「先行嘔吐」などの用語は一般的に、文脈的な裏付けなしに関連するＵＬＭＳ文書にリンクされるべきではない。

システム１００の典型的なオペレーション
図２は、オペーレーティングシステム１００の典型的方法を図示するフローチャート２００を示す。フローチャート２００は、プロセスブロック２１０−２３０を含む。
これらのブロック（および本願の別のフローチャートに記載されるブロック）は、典型的実施例において直列に配列されているが、別の実施例においては、複数のプロセッサ、または2つ以上のバーチャルマシンまたはサブプロセッサとして編成される単一プロセッサを使用して、２つ以上のブロックを再配列したり、１つ以上のブロックを削除したり、および／または２つ以上のブロックを並列に実行することもある。さらに、また別の実施例では、１つ以上の、特定の相互接続されたハードウェア、またはモジュール間でおよびモジュールを通して関連するコントロールおよびデータ信号を伝達する集積回路モジュールとして、ブロックを実行する。従って、本願におけるこの典型的プロセスおよび別の典型的プロセスは、ソフトウェア、ファームウェア、ハードウェアおよびその他の種類の実装に適応できる。

ブロック２１０は、1連の用語を受け取る。典型的実施例において、ＵＬＭＳまたは、入力ニュースまたは法律関連文書からの1連の用語を受け取り、用語曖昧性カリキュレータ１２０のメモリ１２６に保存する。ブロック２２０でも実行される。

ブロック２２０は、１つ以上の入力用語の１つ以上の曖昧性スコアを判定する。特定の実施例において、２つの条件付確率比の合計を与える上記式のスコア（用語）に関する定義に従い曖昧性スコアをコンピュータで計算する。それぞれの条件付確率は、文書の組み合わせまたは情報データベースの言語モデルに基づいている。いくつかの実施例において、条件付確率の１つはスコア判定機能から削除される。また、いくつかの実施例において、条件付確率は反転される。

ブロック２３０は、判定された曖昧性スコアの１つ以上を出力する。典型的実施例において、印刷または他の、人によって読み取り可能なフォームで出力され、別の実施例では、別のマシン、コンポーネントまたはソフトウェアモジュール、または単にメモリに保存という形式で出力することもできる。

結論
上記実施例は本発明を実施または実行する１つ以上の方法を図示および解説することを目的とするもので、幅や範囲を限定するものではない。本発明を実施または実行する全ての方法を含んだ本発明の実際の範囲は、以下の請求項およびその相当物によってのみ定義される。

図１は、本発明の１つ以上の実施例に対応する典型的システム１００のブロック図である。 図２は、本発明の１つ以上の実施例に対応するオペーレーティングシステム１００の典型的方法を示すフローチャートである。

Claims (6)

1. 用語を受け取るステップと、第一および第二言語モデルに基づく前記用語の曖昧性スコアを判定するステップと、前記曖昧性スコアを出力するステップとを含む、コンピュータを使用した方法。
2. 前記第一言語モデルが文書の医療情報データベースに基づき、前記第二言語モデルが文書の法律関連または一般のニュース関連情報データベースに基づいている、請求項１に記載のコンピュータを使用した方法。
3. 前記曖昧性スコアは、医療情報データベースに基づく前記用語の確率に対する、非医療情報データベースに基づく前記用語の確率の比率である、請求項１に記載のコンピュータを使用した方法。
4. ２つ以上の用語の組み合わせを提供する手段と、第一および第二言語モデルに基づく、前記用語のそれぞれに対する曖昧性スコアを判定する手段と、前記用語のそれぞれの前記曖昧性スコアを出力する手段とを含む、コンピュータシステム。
5. 前記第一言語モデルが文書の医療情報データベースに基づき、前記第二言語モデルが文書の法律関連または一般のニュース関連の情報データベースに基づいている、請求項４のコンピュータシステム。
6. それぞれの曖昧性スコアは、医療情報データベースに基づく前記用語の確率に対する、非医療情報データベースに基づく前記用語の確率の比率である、請求項４のシステム。

Images