Hispanopedia Wiki
Articulo de referencia

Apache cTAKES

Apache cTAKES: Clinical Text Analysis and Knowledge Extraction System es un sistema de procesamiento del lenguaje natural (PLN) de código abierto que extrae información clínica ...

Hispanopedia WikiContenido en espanolLectura gratuita

Apache cTAKES: Clinical Text Analysis and Knowledge Extraction System es un sistema de procesamiento del lenguaje natural (PLN) de código abierto que extrae información clínica del texto no estructurado de los registros médicos electrónicos . Procesa las notas clínicas, identificando tipos de entidades clínicas con nombre: fármacos, enfermedades/trastornos, signos/síntomas, localizaciones anatómicas y procedimientos. Cada entidad con nombre tiene atributos para el segmento de texto, el código de mapeo de la ontología, el contexto (antecedentes familiares, actual, no relacionado con el paciente) y si está negado o no. [ 1 ]

cTAKES se construyó utilizando el marco de arquitectura de gestión de información no estructurada UIMA y el kit de herramientas de procesamiento del lenguaje natural OpenNLP . [ 2 ] [ 3 ]

Componentes

Los componentes de cTAKES están entrenados específicamente para el dominio clínico y crean anotaciones lingüísticas y semánticas ricas que pueden ser utilizadas por sistemas de apoyo a la toma de decisiones clínicas e investigación clínica. [ 4 ]

Estos componentes incluyen:

  • Identificador de sección con nombre
  • Detector de límites de oraciones
  • Tokenizador basado en reglas
  • Identificador de lista formateada
  • Normalizador
  • tokenizador dependiente del contexto
  • Etiquetador de partes de la oración
  • Fragmentador
  • Anotador de búsqueda de diccionario
  • Anotador de contexto
  • Detector de negación
  • Detector de incertidumbre
  • Detector de sujetos
  • Analizador de dependencias
  • identificador del estado de tabaquismo del paciente
  • anotador de menciones de drogas

Historia

El desarrollo de cTAKES comenzó en la Clínica Mayo en 2006. El equipo de desarrollo, liderado por la Dra. Guergana Savova y el Dr. Christopher Chute , incluía médicos, informáticos e ingenieros de software. Tras su implementación, cTAKES se convirtió en una parte integral de la infraestructura de gestión de datos clínicos de Mayo, procesando más de 80 millones de notas clínicas. [ 5 ]

Cuando el Dr. Savova se trasladó al Boston Children's Hospital a principios de 2010, el equipo central de desarrollo creció para incluir miembros de allí. Otras colaboraciones externas incluyen: [ 5 ]

Estas colaboraciones han ampliado las capacidades de cTAKES a otras áreas como el razonamiento temporal, la respuesta a preguntas clínicas y la resolución de correferencias para el dominio clínico. [ 5 ]

En 2010, cTAKES fue adoptado por el programa i2b2 y es un componente central del Área 4 de SHARP . [ 5 ]

En 2013, cTAKES lanzó su primera versión como proyecto incubado de la Apache Software Foundation : cTAKES 3.0 .

En marzo de 2013, cTAKES se convirtió en un proyecto de nivel superior (TLP) de la Apache Software Foundation . [ 5 ]

Véase también

Referencias

  1. ↑ Denecke, Kerstin (31 de agosto de 2015). «Herramientas y recursos para la extracción de información» . Ciencia web en salud: datos de redes sociales para la atención médica . Springer. pág . 67. ISBN  978-3-319-20582-3– vía Google Libros.
  2. ↑ Khalifa, Abdulrahman; Meystre, Stéphane (1 de diciembre de 2015). "Adaptación de los recursos existentes de procesamiento del lenguaje natural para la identificación de factores de riesgo cardiovascular en notas clínicas" . Journal of Biomedical Informatics . Actas de las Tareas Compartidas i2b2/UTHealth de 2014 y del Taller sobre Desafíos en el Procesamiento del Lenguaje Natural para Datos Clínicos. 58 (Suplemento): S128– S132 . doi : 10.1016/j.jbi.2015.08.002 . PMC 4983192. PMID 26318122 .  
  3. ↑ Khudairi, Sally (25 de abril de 2017). "La Fundación de Software Apache anuncia Apache® cTAKES™ v4.0" (Comunicado de prensa). Forest Hill, MD: Fundación de Software Apache. Globe Newswire . Recuperado el 20 de septiembre de 2017 .
  4. ↑ Savova, Guergana K; Masanz, James J; Ogren, Philip V; Zheng, Jiaping; Sohn, Sunghwan; Kipper-Schuler, Karin C; Chute, Christopher G (2010). "Sistema de análisis de texto clínico y extracción de conocimiento de Mayo (cTAKES): arquitectura, evaluación de componentes y aplicaciones" . Journal of the American Medical Informatics Association . 17 (5): 507– 513. doi : 10.1136/jamia.2009.001560 . ISSN 1067-5027 . PMC 2995668. PMID 20819853 .   
  5. 1 2 3 4 5 "Historial" . Apache cTAKES™ - Sistema de extracción de conocimiento para análisis de texto clínico . 22/06/2015 . Recuperado el 11/01/2018 .
  • Sitio web oficial de cTAKES
  • Página de información del proyecto Apache cTAKES de ASF
  • Resumen (JAMIA)
  • Consorcio de Procesamiento del Lenguaje Natural en Salud Abierta (OHNLP)
  • Programa de Proyectos Avanzados de Investigación en Tecnologías de la Información para la Salud Estratégica (SHARP)
  • Área 4 de SHARP: Uso secundario de datos de registros médicos electrónicos
  • La consola de recuperación automatizada (ARC)
  • El sistema de extracción de texto de información sanitaria (HITEx ) se desarrolló como parte del proyecto i2b2. Se trata de una canalización de PLN basada en reglas, que utiliza el marco GATE desarrollado por Informatics for Integrating Biology and the Bedside .
  • El kit de herramientas de investigación en lenguaje computacional y educación (cleartk) ( ya no recibe mantenimiento ) fue desarrollado en la Universidad de Colorado en Boulder y proporciona un marco para desarrollar componentes de PLN estadísticos en Java. Está construido sobre Apache UIMA .
  • NegEx es una herramienta desarrollada en la Universidad de Pittsburgh para detectar términos negados en textos clínicos. El sistema utiliza términos clave para determinar posibles escenarios de negación dentro de una oración.
  • ConText es una extensión de NegEx, también desarrollada por la Universidad de Pittsburgh. ConText amplía NegEx para detectar no solo conceptos negados, sino también escenarios temporales (recientes, históricos o hipotéticos) y determinar quién es el sujeto (de la experiencia) (paciente u otro).
  • MetaMap (de la Biblioteca Nacional de Medicina de los Estados Unidos ): es un sistema integral de etiquetado de conceptos basado en el Sistema Unificado de Lenguaje Médico (UMLS ). Para su uso, requiere una licencia (y una cuenta) activa del Metatesauro UMLS.
  • MedEx es una herramienta para extraer información sobre medicamentos de textos clínicos. Procesa registros clínicos en texto libre para reconocer nombres de medicamentos e información específica, como la dosis, la frecuencia, la vía de administración y la duración. Su uso es gratuito con una licencia UMLS. Es una aplicación independiente para Linux y Windows.
  • SecTag (jerarquía de etiquetado de secciones): reconoce los encabezados de las secciones de las notas mediante técnicas de PLN, bayesianas, de corrección ortográfica y de puntuación. Su uso es gratuito con una licencia UMLS o LOINC.
  • ( Reconocedor de Entidades Nombradas de Stanford (NER) ): El NER de Stanford es un modelo de secuencia de campo aleatorio condicional, junto con características bien diseñadas para el reconocimiento de entidades nombradas en inglés y alemán.
  • ( Stanford CoreNLP ) es un conjunto integrado de herramientas de procesamiento del lenguaje natural para inglés en Java, que incluye tokenización , etiquetado de partes de la oración, reconocimiento de entidades nombradas, análisis sintáctico y correferencia.