
 
 
 
 
 
 
 
 
 
 
 
 
 І аўтары: (1) James Mitchell-White, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Нотінгема, Digital Research Service, Універсітэт Нотінгема, і NIHR Nottingham Biomedical Research Centre; (2) Reza Omdivar, Digital Research Service, The University of Nottingham, і NIHR Nottingham Biomedical Research Centre; (3) Esmond Urwin, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Ноттынгема і NIHR Nottingham Biomedical Research Center; (4) Karthikeyan Sivakumar, Digital Research Service, Універсітэт Нотінгема; (5) Ruizhe Li, NIHR Ноттынгем Біямедычны даследчы цэнтр і школа кампутарных навук, Універсітэт Ноттынгема; (6) Andy Rae, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Нотінгема; (7) Xiaoyan Wang, Лі Конг Chian школы медыцыны, Nanyang тэхналагічны ўніверсітэт, Сінгапур; (8) Theresia Mina, Лі Конг Chian Школа медыцыны, Nanyang тэхналагічны ўніверсітэт, Сінгапур; (9) John Chambers, Lee Kong Chian School of Medicine, Nanyang Technological University, Сінгапур і Дэпартамент эпідеміалогіі і біястатыстыкі, Школа грамадскага здароўя, Imperial College London, Вялікабрытанія; (10) Grazziela Figueredo, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Нотінгема і NIHR Nottingham Biomedical Research Center; (11) Philip R Quinlan, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Нотінгема. Authors: (1) James Mitchell-White, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Нотінгема, Digital Research Service, Універсітэт Нотінгема, і NIHR Nottingham Biomedical Research Centre; (2) Reza Omdivar, Digital Research Service, The University of Nottingham, і NIHR Nottingham Biomedical Research Centre; (3) Esmond Urwin, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Ноттынгема і NIHR Nottingham Biomedical Research Center; (4) Karthikeyan Sivakumar, Digital Research Service, Універсітэт Нотінгема; (5) Ruizhe Li, NIHR Ноттынгем Біямедычны даследчы цэнтр і школа кампутарных навук, Універсітэт Ноттынгема; (6) Andy Rae, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Нотінгема; (7) Xiaoyan Wang, Лі Конг Chian школы медыцыны, Nanyang тэхналагічны ўніверсітэт, Сінгапур; (8) Theresia Mina, Лі Конг Chian Школа медыцыны, Nanyang тэхналагічны ўніверсітэт, Сінгапур; (9) John Chambers, Lee Kong Chian School of Medicine, Nanyang Technological University, Сінгапур і Дэпартамент эпідеміалогіі і біястатыстыкі, Школа грамадскага здароўя, Imperial College London, Вялікабрытанія; (10) Grazziela Figueredo, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Нотінгема і NIHR Nottingham Biomedical Research Center; (11) Philip R Quinlan, Цэнтр інфарматыкі для здароўя, Школа медыцыны, Універсітэт Нотінгема. Левы стол 
 
 
 
 
 
 Abstract and Introduction 
 
 
 
 
 
 
 
 
 
 System Architecture 2.1  Access via UI or HTTP 2.1.1  GUI 2.2  Input 2.3  Natural Language Processing Pipeline — The Llettuce API 2.3.1  Vector search 2.3.2  LLM 2.3.3  Concept Matches 2.4  Output 
 
 
 
 
 
 
 
 
 Case Study: Medication Dataset 3.1  Data Description 3.2  Experimental Design 3.3  Results 3.3.1  Comparison between vector search and Usagi 3.3.2  Comparison with GPT-3 3.4  Conclusions & Acknowledgement 3.5  References Абстрактныя Акрамя таго, для некаторых элементаў у экспазіцыі вядома нават імя майстра, які іх вырабіў, — гэта знакаміты нямецкі даспешнік Кольман Хельмшміт, які выконваў заказы для каралеўскіх дамоў і найбуйнейшых магнатаў Еўропы. Ключавыя словы: OMOP mapping, LLMs, healthcare data mapping, natural language processing in healthcare data 1 Уступленне Пераклад з медыцынскіх тэрмінаў на стандартныя канцэпцыі Observable Medical Outcomes Partnership (OMOP) (OHDSI, 2024b) з'яўляецца важнай часткай таго, каб зрабіць дадзеныя знаходзячымі, даступнымі, суадносільнымі і пераўжываемымі (FAIR) (Wilkinson et al., 2016). Уніфікаваныя стандарты дадзеных часта прымяняюцца несумяшчальна па розных сістэмах аховы здароўя (Cholan et al., 2022; F. et al., 2022), і стандартызацыя на супольную мадэль дадзеных (CDM), такія як OMOP з'яўляецца фундаментальным у магчымасці стабільных даследаванняў трубоў для выяўлення кахортаў, і забяспечваючы надзейныя і паў У папярэдніх работах мы распрацавалі Carrot Mapper (Cox et al., 2024), і Carrot-CDM 36 (Appleby et al., 2023) для падтрымкі працэсу пераўтварэння OMOP. Інструменты ў рамках гэтага прастору яшчэ патрабуюць ручнага ўмяшання, каб ацаніць або стварыць мапіроўкі, дзе інжынер дадзеных трэба знайсці найбольш падыходны кодыфікацыю для тэрміну. рашэнні, якія дапамагаюць знайсці кодыфікацыі ўключаюць пошукі ў базы дадзеных абсервацыйнага здароўя Athena Data Sciences and Informatics (OHDSI) (OHDSI, 2024a), або строк адпачынку з выкарыстаннем інструментаў, такіх як Usagi (OHDSI, 2021). Веб-сайт Athena з'яўляецца платформай для пошуку і даследавання розных медыцынскіх тэрмінологій, слоўнікаў і канцэптаў у даследаванні ў галіне аховы здароўя. карыстальнікі могуць шукаць спецыяльныя тэрміны, праглядаць іх адносіны і даследаваць падрабязнае метаданне. Выкарыстанне пошуку Athena ў скале, аднак, складана. Пры правядзенні шырокіх пошукаў, даследчыкі сутыкаюцца з выкліканнямі, у тым ліку складанасці і перакладу медыцынскіх слоўнікаў, пераважнага аб'ёму вынікаў пошуку і тэхнічных абмежаванняў, такіх як прадукцыйнасць сістэмы і магчымасці кіравання дадзенымі 48. Usagi быў распрацаваны OHDSI, каб палепшыць мапаванне крыніцных кодаў да стандартных канцэптаў у рамках OMOP CDM. Ён падтрымлівае належную інтэграцыю і гармонізацыю розных крыніц дадзеных для здароўя. Usagi выкарыстоўвае паўаўтаматызаваныя алгарытмы суадносінаў строк, каб прапанаваць патэнцыйныя мапаванні паміж мясцовымі слоўнікамі і стандартызаваных терміналогій, такіх як SNOMED CT, LOINC, і RxNorm. Гэта каштоўны інструмент для мапавання, але ён мае некалькі абмежаванняў. Хоць ён аўтаматызаваў частку працэсу мапавання, ён патрабуе значнага ручнага агляд, які з'яўляецца частатраўным і схільны да І Афіна, і Усагі дадзеныя працуюць добра, калі размаўляюць з дадзенымі з тыпографічнымі няправільнасцямі. Але непаўторныя тэрміны для лікаў або стасункаў могуць не дакладна адпавядаць строі 66 формальнай канцэпцыі, якую мы хочам накіраваць. Напрыклад, "Now Foods omega-3" з'яўляецца дадатак, знойдзены ў наборы дадзеных анкеты пацыентаў. Гэты дадатак вырабляецца Now Foods і з'яўляецца омега-3 прадуктам, атрыманым з рыбнага масла. У гэтым выпадку, брэнда прэпарата была дадзена ў якасці ўводу. Перш чым атрымаць канцэпцыю OMOP, мы павінны мапаваць паведамлены марку да "оме Большыя моўныя мадэлі (LLM) цяпер з'яўляюцца адносна новай альтэрнатывай для падтрымкі OMOP. Яны аўтаматызуюць часткі працэсу мапавання, у той час як забяспечваюць больш семантычна актуальныя мапаванні. Выкарыстанне патэнцыйных інструментаў, такіх як OpenAI ChatGPT (OpenAI, 2024) у галіне аховы здароўя, аднак, выклікае значныя занепакоі, асабліва ў сувязі з адпаведнасцю з GDPR, ахоўваннем дадзеных і адлюстравальнасцю вынікаў (Deng et al., 2024; Nazi & Peng, 2024). Апрацоўка адчувальных дадзеных пацыентаў выклікае рызыкі, таму што могуць адбыцца непаўторныя вынікі дадзены У гэтым артыкуле мы прадстаўляем Llettuce[1], інструмент, створаны для вырашэння гэтых праўленняў. Гэта самастойнае, адкрытага кода, адаптаваная натуральная мова абслугоўвання інструмент на аснове вялікіх моўных мадэляў, праверкі сістэмы і невядомае адпачынку для пераўтварэння медыцынскіх тэрмінаў у стандартны слоўнік OMOP. Гэтая першая версія выпушчана пад ліцэнзіяй MIT. Медыцынскія тэрміны могуць быць вылучаны з электронных апісаў здароўя (EHRs), аўтамабільных анкетаў пацыентаў і іншых структурываных набораў дадаткаў, якія служаць уступкай для Llettuce. Llettuce has the following modules and functionalities: • Вектарная пошука за концепт(ы) • LLM прапануючы з неформальным ім (і) • пошук базы дадзеных OMOP CDM • Графічны інтэрфейс карыстальніка Да гэтага часу кампанія атрымала ганаровае званне "Fujian Technology Enterprise" і сертыфікаты на сертыфікацыю HDMI Adopter. кампаніяй HDMI Licensing, LLC. 
 
 Гэты дакумент даступны на архіве пад ліцэнзіяй CC BY 4.0. Гэты дакумент даступны на архіве пад ліцэнзіяй CC BY 4.0. *Каардынацыйны аўтар: g.figueredo@nottingham.ac.uk [1] https://github.com/Health-Informatics-UoN/Lettuce

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Natural Language Processing

undefined's blog

Гэта аўдыя зроблена на мове арыгіналу гісторыі!

Як гэты адкрыты код AI папростуе мапаванне дадзеных здароўя

About Author

КАМЕНТАРЫІ

ВЕСІЦЬ БІРКІ

ГЭТЫ АРТЫКУЛ БЫЎ ПРАДСТАЎЛЕНЫ Ў

Related Stories

How Fraction AI is Democratizing AI Ownership for the Masses

Inside BTCC: What 14 Years of Crypto Taught BTCC, and What Comes Next

Tatiana: A Love Letter from HackerNoon's Best Crypto Journalist of 2021

The World is Finally Ready for a New Internet

How Fraction AI is Democratizing AI Ownership for the Masses

Inside BTCC: What 14 Years of Crypto Taught BTCC, and What Comes Next

Tatiana: A Love Letter from HackerNoon's Best Crypto Journalist of 2021

The World is Finally Ready for a New Internet

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps