Abstract
临床的医生通常根据患者的症状,然后根据医生自身关于症状、诊断以及对应治疗的关系的知识来完成医疗决策。
本文提出了一个抽取MIMIC-III中重要医学实体的框架,并且与现有的生物知识图谱如ICD-9和DrugBank进行关联。
1 Introduction
本文首先提到了一个问题,就是EHR数据中存在着大量的实体(如症状、药物及疾病等),但是并没有很好地展现这些实体的关系。
文章然后介绍到有许多的biomedical knowledge graphs (KGs)都是使用Resource Description Framework (RDF) 以Linked Data 形式发布的,例如Drug Bank 和ICD-9 ontology。但是这些图谱都只有医学实体,并没有和实际患者的临床结局联系在 一起。例如,在DrugBank中记录了glucocorticoid与aspirin之间存在adverse interaction,但是却无法提供如果一个患者如果在同一个时间段吃了这俩药到底会怎么样的信息。临床数据却可以提供这样子的信息。
为了解决类似上述的问题,本文提出了一种构建
p
a
t
i
e
n
t
−
d
r
u
g
−
d
i
s
e
a
s
e
g
r
a
p
h
\bm{patient-drug-disease\ graph}
patient−drug−disease graph的框架,叫做PDD。
构建这个框架的流程是:
首先从
p
r
e
s
c
r
i
p
t
i
o
n
s
prescriptions
prescriptions,
c
l
i
n
i
c
a
l
n
o
t
e
s
clinical notes
clinicalnotes和
d
i
a
g
n
o
s
e
s
diagnoses
diagnoses中抽取医学实体,然后再根据DrugBank和ICD-9本体去构建RDF边。
这篇文章说这个PDD是公开了的,但是不知道为啥网页已经被关了。
PDD Construction
文中介绍了PDD的概念,用于表示一个患者吃了什么药或一个患者患了什么病,用三元组表示。
首先是抽取实体,抽取了实体之后就将实体与KGs进行连接。
对于药物和疾病,都是将药物PDD与DrugBank的Bio2RDF进行连接。