自然语言处理在医学领域的应用

自然语言处理（Natural Language Processing，NLP）是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。在各个领域都有其应用。
其在生物医学领域迅速发展，已经成为当前的研究热点 。临床医学信息大量的以非结构化（或半结构化）文本形式存储于信息系统中，NLP是从医疗文本中提取有用信息的关键技术。通过自然语言处理，这些非结构化的医疗文本被转化为包含重要医学信息的结构化数据，科研人员才可以从这些结构化的数据中发现有用医学信息，从而提高医疗系统的运行质量，减少运行成本。
在美国，临床医学领域NLP的研究开始于20世纪60年代。早期的研究基于有限的电子医疗文本验证了NLP在医疗领域的可行性。到80年代和90年代，大量的医学数据和领域知识库被逐渐建立起来。例如SNOMED ——被广泛应用的临床医学术语知识库之一，UMLS（The Unified Medical Language System）——一体化医学信息系统，集成了150多种常用医学术语知识库。随后，大量的临床医学NLP系统开始出现，代表性的临床医学NLP系统有MedLEE、MetaMap、cTAKES、MedEx、KnowledgeMap等。这些临床医学NLP系统的应用覆盖了医学信息抽取、医学文本分类、医疗决策支持、病人信息管理、医疗信息问答、医学知识挖掘及知识库建立等诸多领域。
以医疗知识挖掘为例，医疗数据多以自然语言文本形式出现， 这些医学文本资料中的知识是不同国家、不同时代人们智慧的结晶，展现的是大量未整理的文献资料以及诊疗记录。
由于自然人的学习能力有限， 因此学者们尝试通过自然语言处理 （NLP）