In Panama, there is a lot of patient information stored in a textual form, which can not be manipulated to manage an adequate knowledge by specialists. There are multiple resources created to represent knowledge, including specialized glossaries, taxonomies, thesauri and ontologies. The construction of an ontology can be done manually, but this causes various problems of cost and time. To solve these problems, it is proposed in this doctoral thesis an analysis of appropriate natural language processing tools and knowledge representation technologies for knowledge management in clinical documents. The result of this thesis will be a computer system that allows to instantiate an ontology of the domain that represents the patients and their illnesses. This approach will be validated with a corpus of medical domain and the results of the process will be measured by the indicators of precision, completeness and F-measure.
Las organizaciones modernas realizan sus actividades en un mundo globalizado, disponer del conocimiento en el momento adecuado puede suponer una clara ventaja competitiva para estar o no posicionado como la organizaci´on l´ıder.
Desde el punto de vista de la
Inteligencia Artificial (IA), el conocimiento se puede
interpretar como la combinaci´on de
esquemas o estructuras de datos y procedimientos
interpretativos que confieren algu´n
comportamiento inteligente
La convergencia de diversas ´areas de conocimiento actualmente ha dado lugar al disen˜o e implementacio´n de sistemas inform´aticos que soporten la integraci´on de herramientas innovadoras.
El primer paso para el procesamiento informa´tico del conocimiento lingu¨´ıstico es la representacio´n formal de dicho conocimiento. Existen mu´ltiples recursos creados para representar la informacio´n lingu¨´ıstica, entre ellos, los glosarios especializados, taxonom´ıas, tesauros y ontolog´ıas.
En la actualidad, las ontolog´ıas son parte importante dentro del ´ambito de la recuperacio´n y organizaci´on de la informacio´n y la web sema´ntica. Adema´s, cada vez est´an tomando una mayor importancia dentro del PLN (Cimiano, Unger, y McCrae, 2014).
Las ontolog´ıas se pueden crear de
manera manual; sin embargo, esto origina diversos
problemas de costo y tiempo
Como una alternativa surge el aprendizaje autom´atico de ontolog´ıas a partir de documentos textuales cuyo objetivo es identificar los elementos ontol´ogicos de manera automa´tica o semiautoma´tica.
Es un enfoque interesante que intenta reducir el tiempo y los recursos. Para ello se hace uso de t´ecnicas y m´etodos de campos como IA, el aprendizaje autom´atico (AA), la recuperaci´on de la informacio´n (RI) o el procesamiento de lenguaje natural (PLN).
El objetivo principal de este trabajo consiste en disen˜ar e implementar un sistema computacional que permita desde un texto cl´ınico escrito en lenguaje natural (LN), extraer los elementos necesarios utilizando herramientas de PLN para luego instanciar una ontolog´ıa de forma autom´atica y extraer conocimiento. Luego este conocimiento se podr´a visualizar de manera amigable por parte de los sanitarios mediante un mapa conceptual.
El conocimiento, se ha convertido en el
tesoro ma´s valioso de la raza humana. Dentro
de las organizaciones, pueden ser diferentes
las fuentes donde encontrar este
conocimiento
Gran parte de este conocimiento existe en las mentes humanas y en forma de LN en libros, perio´dicos, informes t´ecnicos, historias cl´ınicas, encuestas, cuestionarios. Poder disponer de todo este conocimiento depende de nuestra habilidad para hacer ciertos procesos con la informacio´n.
Las tecnolog´ıas basadas en el
conocimiento proporcionan una base coherente y
fiable en las organizaciones. La gestio´n y
visualizaci´on de ese conocimiento, desempen˜a
un papel crucial como base tecnol´ogica
para el desarrollo de un gran nu´mero de
sistemas de informacio´n
En Panam´a la gran mayor´ıa de las organizaciones de atenci´on hospitalaria y de salud mantienen muy poca informacio´n almacenada de sus pacientes en medios electr´onicos; en algunos casos esta informacio´n esta recopilada en documentos de texto.
Realizar una investigaci´on que formule una metodolog´ıa de representacio´n del conocimiento, combinando t´ecnicas para el procesamiento de documentos textuales, herramientas de PLN y la instanciaci´on autom´atica de una ontolog´ıa ser´a novedosa e innovadora en ´areas de convergencia como la informa´tica y la medicina.
Consideramos entonces que esta investigaci´on a parte de proporcionar una metodolog´ıa propia de un sistema de informacio´n para toma de decisiones basado en PLN y tecnolog´ıas de representacio´n de conocimiento, es tambi´en una fuente de documentacio´n en tiempo real para investigadores de nuestro pa´ıs. 3.
El t´ermino ontolog´ıa se ha empleado desde hace muchos siglos en el campo de la filosof´ıa y del conocimiento y hace ya varias d´ecadas cobr´o especial relevancia en el campo de la informa´tica (Bilgin, Dikmen, y Birgonul, 2014).
Una definici´on muy aceptada en el ´area de
IA es la de Studer
Las ontolog´ıas son tecnolog´ıas que permiten una representacio´n formal y estructurada del conocimiento donde los conceptos, las relaciones y las restricciones conceptuales son definidos mediante formalismos en un determinado dominio.
Una ontolog´ıa puede construirse de forma manual, pero representa una tarea tediosa, costosa y que consume mucho tiempo.
El procesamiento de grandes volu´menes de texto libre o texto no estructurado para extraer conocimiento requiere la aplicaci´on de una serie de t´ecnicas de ana´lisis entre ellas el PLN. En la actualidad se han realizado algunos trabajos relacionados que utilizan algunos de los elementos expuestos en nuestra investigaci´on.
Como por ejemplo, la investigaci´on de Parisa Kordjamshidi (2015), cuya idea central es desarrollar un framework para poblar ontolog´ıas utilizando t´ecnicas de PLN y un modelo de aprendizaje de ma´quina. Cabe mencionar el trabajo que presenta un modelo semiautom´atico para poblar ontolog´ıas, liderado por Lennart J. Nederstigt (2014), para el dominio de e-commerce utiliza una ontolog´ıa predefinida y compatible con la ontolog´ıa GoogRelation.
Junto a estos enfoques tenemos la investigaci´on de Francesco Colace (2014) que usa un sistema para el aprendizaje y poblaci´on de ontolog´ıas, que combina metodolog´ıas estad´ısticas y sema´nticas.
Por su parte Suzane Santos y Rosario Girardi (2014) presentan el proyecto AppontoPro, en el m´etodo proponen un proceso incremental, para lograr la construccio´n y posterior poblaci´on de una ontolog´ıa de aplicaci´on en el dominio de Derecho Familiar. El sistema es capaz de generar todos los elementos de la ontolog´ıa tales como clases, taxonom´ıa, relaciones no taxon´omicas, instancias, propiedades y axiomas en un archivo de extensi´on OWL (Web Ontology Language).
Son varias las investigaciones existentes en donde se combinan t´ecnicas de PLN y el uso de ontolog´ıas de dominio para la representacio´n del conocimiento. Adema´s tienen ´areas de aplicaci´on distintas, desde ecommerce, turismo, biolog´ıa y otras, lo que hace que existan muchas ´areas de inter´es sobre las cuales se puedan desarrollar nuevas investigaciones.
Las ontolog´ıas se han convertido en una importante herramienta para desarrollar aplicaciones sema´nticamente ricas. Los modelos ontol´ogicos son capaces de representar una gran cantidad de informacio´n usando un pequen˜o nu´mero de axiomas.
Como la mayor´ıa del conocimiento del
mundo est´a codificado en LN, la
automatizaci´on del proceso de poblaci´on de las
ontolog´ıas utilizando los resultados obtenidos del
ana´lisis de PLN de documentos se ha
convertido recientemente en un gran desaf´ıo para
aplicaciones
En Panam´a casi no se gestiona la informacio´n de pacientes de forma electr´onica. Esto es debido a muchos factores como la falta de presupuesto de las instituciones de salud o la falta de tiempo de los especialistas.
No existe en Panam´a un m´etodo de representacio´n del conocimiento que combine t´ecnicas de procesos de texto o PLN gestionada por el desarrollo de una ontolog´ıa y su instanciaci´on de forma autom´atica, para ayudar a la toma de decisiones de los especialistas u otras actividades como la investigaci´on.
En este trabajo se propone disen˜ar, implementar y desarrollar un nuevo enfoque para la extracci´on de conocimiento a partir de la informacio´n cl´ınica en texto en LN, basado en la utilizaci´on de herramientas de PLN para extraer informacio´n y gestionar una ontolog´ıa de forma autom´atica. 5.
Modelo propuesto: La arquitectura propuesta debe permitir extraer la informacio´n de un texto cl´ınico escrito en LN, que representa el corpus de las historias cl´ınicas de pacientes, extraer las entidades nombradas y elementos de conocimiento pertinentes, y generar e instanciar una ontolog´ıa del dominio.
Esta ontolog´ıa que contendra´ la informaci´on extra´ıda se utilizar´a para poder visualizar la informacio´n de una manera ma´s conceptual y amigable para los profesionales sanitarios.
En la arquitectura propuesta las ontolog´ıas juegan un papel fundamental, ya que de su correcto disen˜o, estructura y complejidad dependen directamente los resultados obtenidos en los procesos.
Adema´s, la arquitectura deber´a
cumplir con restricciones de interoperabilidad
sem´antica y ma´s concretamente deber´a
poder extraerse toda la informacio´n de los
pacientes en el est´andar de historias cl´ınicas
electr´onicas HL7
Esta arquitectura se compone de varias fases que se explican a continuacio´n: PLN y Procesamiento del corpus: Esta fase tiene como objetivo el ana´lisis del texto de forma lingu¨´ıstica. Divide el texto en oraciones y palabras.
La tarea est´andar de la segmentacio´n de
las palabras se realizar´a con la interfaz de
programacio´n de aplicaciones proporcionada
en el marco de desarrollo para el PLN
llamada GATE (General Architecture for Text
Engineering)
El marco de desarrollo GATE proporciona los componentes necesarios para realizar la segmentacio´n del texto en oraciones y palabras. Estos componentes son f´acilmente ensamblados para lograr una aplicaci´on ma´s compleja basada en tuber´ıas, donde se agrega el componente de extracci´on de anotaciones. A continuacio´n se describen estos componentes:
Tokenizer: Realiza el proceso de separar las palabras que se encuentran en el texto en simples tokens (Berry y Castellanos, 2008). Los tokens pueden ser palabras, nu´meros, s´ımbolos, signos de puntuacio´n y espacio en blanco o saltos de l´ınea.
Sentence Splitter: Divide el texto en
oraciones, para lo cual se utilizan
transductores de estado finito, es decir,
alfabetos de entrada y salida
Adema´s, en esta fase, se extraen las anotaciones que luego servir´an para instanciar la ontolog´ıa de dominio de forma autom´atica. Para ello, GATE proporciona una API en Java llamada StandAloneAnnie.
Para la extracci´on de informacio´n de las
anotaciones, se utilizar´an dos componentes
de GATE llamado JAPE Transducer
Instanciar la ontolog´ıa: En esta fase se insertara´n las instancias que poblar´an nuestra ontolog´ıa, en nuestra metodolog´ıa las anotaciones recuperadas se utilizar´an para realizar el proceso de instanciaci´on.
La ontolog´ıa de dominio ser´a construida
con Prot´eg´e
La ontolog´ıa tendra´ formato OWL,
conformada por clases, subclases, propiedades e
individuos. A una ontolg´ıa, tambi´en se le
conoce como base de conocimiento (knowledge
base)
OWL es un lenguaje de etiquetado
sema´ntico para publicar y compartir
ontolog´ıas en la Web
Las anotaciones se insertara´n en la
ontolog´ıa como individuos de una o ma´s clases.
Para este mo´dulo utilizaremos una API de
Java llamada JENA
JENA tiene una serie de librer´ıas para
que los desarrolladores puedan escribir
c´odigo que se encargue de procesar RDF
(Resource Description Framework), OWL, SPARQL.
Adema´s incluye un motor de inferencia que se
basa en reglas para razonar sobre ontolog´ıas
RDF y OWL especialmente. Posee una
serie de aplicaciones de almacenamiento para
guardar tripletas RDF en el disco o en la
memoria
Bilgin, G., I. Dikmen, y M. T. Birgonul. 2014. Ontology evaluation: An example of delay analysis. Procedia Engineering, 85:61–68.
Cimiano, P., C. Unger, y J. P. McCrae. 2014.
Ontology-Based Interpretation of Natural Language. Synthesis Lectures on Human Language Technologies. Morgan & Claypool Publishers.