
 
 
 
 
 
 
 
 
 
 
 
 
 Los autores: (1) James Mitchell-White, Centro de Informática de la Salud, Escuela de Medicina, La Universidad de Nottingham, Servicio de Investigación Digital, La Universidad de Nottingham, y NIHR Nottingham Centro de Investigación Biomédica; (2) Reza Omdivar, Servicio de Investigación Digital, Universidad de Nottingham, y NIHR Nottingham Centro de Investigación Biomédica; (3) Esmond Urwin, Centro de Informática de la Salud, Escuela de Medicina, Universidad de Nottingham y NIHR Nottingham Centro de Investigación Biomédica; (4) Karthikeyan Sivakumar, Servicio de Investigación Digital, Universidad de Nottingham; (5) Ruizhe Li, NIHR Centro de Investigación Biomédica de Nottingham y Escuela de Ciencias de la Computación, Universidad de Nottingham; (6) Andy Rae, Centro de Informática de la Salud, Escuela de Medicina, Universidad de Nottingham; (7) Xiaoyan Wang, Lee Kong Chian School of Medicine, Universidad Tecnológica de Nanyang, Singapur; (8) Theresia Mina, Lee Kong Chian School of Medicine, Universidad Tecnológica de Nanyang, Singapur; (9) John Chambers, Lee Kong Chian School of Medicine, Universidad Tecnológica de Nanyang, Singapur y Departamento de Epidemiología y Biostadística, Escuela de Salud Pública, Imperial College London, Reino Unido; (10) Grazziela Figueredo, Centro de Informática de la Salud, Escuela de Medicina, Universidad de Nottingham y NIHR Centro de Investigación Biomédica de Nottingham; Philip R Quinlan, Centro de Informática de la Salud, Escuela de Medicina, Universidad de Nottingham. Authors: (1) James Mitchell-White, Centro de Informática de la Salud, Escuela de Medicina, La Universidad de Nottingham, Servicio de Investigación Digital, La Universidad de Nottingham, y NIHR Nottingham Centro de Investigación Biomédica; (2) Reza Omdivar, Servicio de Investigación Digital, Universidad de Nottingham, y NIHR Nottingham Centro de Investigación Biomédica; (3) Esmond Urwin, Centro de Informática de la Salud, Escuela de Medicina, Universidad de Nottingham y NIHR Nottingham Centro de Investigación Biomédica; (4) Karthikeyan Sivakumar, Servicio de Investigación Digital, Universidad de Nottingham; (5) Ruizhe Li, NIHR Centro de Investigación Biomédica de Nottingham y Escuela de Ciencias de la Computación, Universidad de Nottingham; (6) Andy Rae, Centro de Informática de la Salud, Escuela de Medicina, Universidad de Nottingham; (7) Xiaoyan Wang, Lee Kong Chian School of Medicine, Universidad Tecnológica de Nanyang, Singapur; (8) Theresia Mina, Lee Kong Chian School of Medicine, Universidad Tecnológica de Nanyang, Singapur; (9) John Chambers, Lee Kong Chian School of Medicine, Universidad Tecnológica de Nanyang, Singapur y Departamento de Epidemiología y Biostadística, Escuela de Salud Pública, Imperial College London, Reino Unido; (10) Grazziela Figueredo, Centro de Informática de la Salud, Escuela de Medicina, Universidad de Nottingham y NIHR Centro de Investigación Biomédica de Nottingham; Philip R Quinlan, Centro de Informática de la Salud, Escuela de Medicina, Universidad de Nottingham. Mesa de la izquierda 
 
 
 
 
 
 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 Abstracción Este artículo presenta Llettuce, una herramienta de código abierto diseñada para abordar las complejidades de la conversión de términos médicos en conceptos estándar de OMOP. A diferencia de las soluciones existentes como la búsqueda de bases de datos de Athena y Usagi, que luchan con matices semánticos y requieren una entrada manual sustancial, Llettuce aprovecha el procesamiento de lenguaje natural avanzado, incluyendo modelos de idiomas grandes y ajustes fuzzy, para automatizar y mejorar el proceso de mapeo. Palabras clave: mapping OMOP, LLMs, mapping de datos de salud, procesamiento de lenguaje natural en datos de salud 1 Introducción La conversión de términos médicos a los conceptos estándar de la Asociación de Resultados Médicos Observables (OMOP) (OHDSI, 2024b) es una parte importante de hacer que los datos sean encontrables, accesibles, interoperables y reutilizables (FAIR) (Wilkinson et al., 2016). Los estándares de datos unificados a menudo se aplican de forma inconsistente a través de los sistemas de salud (Cholan et al., 2022; F. et al., 2022), y la estandarización a un modelo de datos común (CDM), como OMOP, es fundamental para permitir tuberías de investigación robustas para el descubrimiento de cohortes, y garantizar evidencias fiables y reproducibles. En el trabajo anterior, desarrollamos Carrot Mapper (Cox et al., 2024), y Carrot-CDM 36 (Appleby et al., 2023) para apoyar el proceso de conversión OMOP. herramientas dentro de este espacio todavía requiere intervención manual para aprobar o crear mappings, donde un ingeniero de datos necesita encontrar la codificación más adecuada para un término. soluciones que ayudan a encontrar codificaciones incluyen búsquedas en la base de datos de Atenas de Ciencias de la Salud y Informática (OHDSI) Athena (OHDSI, 2024a), o la combinación de cadenas usando herramientas, como Usagi (OHDSI, 2021). El sitio web de Athena es una plataforma para la búsqueda y exploración de diversas terminologías médicas, vocabularios y conceptos en la investigación de atención médica. Los usuarios pueden buscar términos específicos, ver sus relaciones y explorar metadatos detallados. El uso de la búsqueda de Athena a escala, sin embargo, es complicado. Cuando se realizan búsquedas extensas, los investigadores se enfrentan a desafíos, incluyendo la complejidad y la superposición de los vocabularios médicos, el volumen abrumador de resultados de búsqueda, y limitaciones técnicas, como el rendimiento del sistema y las capacidades de manejo de datos 48. Usagi fue desarrollado por OHDSI para facilitar el mapeo de los códigos fuentes a conceptos estándar dentro del OMOP CDM. Apoya la integración y armonización adecuada de diversas fuentes de datos de atención médica. Usagi emplea algoritmos de ajuste de cuerdas semiautomáticos para sugerir posibles mapeos entre vocabularios locales y terminologías estandarizadas como SNOMED CT, LOINC y RxNorm. Es una herramienta valiosa para mapear, pero tiene algunas limitaciones. Mientras que automatiza parte del proceso de mapeo, requiere una revisión manual significativa, que es demorada y propensa a errores humanos e incertidumbres. 7 El ajuste de cuerdas puede potencialmente conducir a mapeos inexactos, especialmente cuando se trata de terminologías ambiguas o Ambos datos de Athena y Usagi funcionan bien cuando se tratan de datos con errores tipográficos. Pero los términos informales para medicamentos o condiciones pueden no coincidir estrechamente con la cadena del concepto formal 66 que queremos mapear. Por ejemplo, “Now Foods omega-3” es un suplemento encontrado en un conjunto de datos de cuestionario de pacientes auto-reportados. Este suplemento es producido por Now Foods, y es un producto omega-3 derivado de aceite de pescado. En este caso, la marca de la droga se dio como entrada. Antes de obtener el concepto OMOP, necesitamos mapear la marca reportada a “ácidos grasos omega-3”, para el que se encuentra una coincidencia exacta OMOP. Usando el motor de búsqueda Athena, por ejemplo, la combinación de la cadena sugiere concept Los grandes modelos de lenguaje (LLM) son ahora una alternativa relativamente nueva para apoyar OMOP. Automatizan partes del proceso de mapeo mientras sugieren mapeos más semánticamente relevantes. El uso de herramientas propietarias, como OpenAI ChatGPT (OpenAI, 2024) en el cuidado de la salud, sin embargo, plantea preocupaciones significativas, especialmente en lo que respecta a la conformidad con el GDPR, la protección de datos y la reproductibilidad de los resultados (Deng et al., 2024; Nazi & Peng, 2024). El manejo de datos de pacientes sensibles plantea riesgos, ya que pueden ocurrir fugas de datos inadvertidas o mal uso de la información. Garantizar que las interacciones con OpenAI y otras APIs LLM disponibles en la nube permanezcan dentro de los límites del GDPR es desafiante En este artículo presentamos Llettuce[1], una herramienta creada para abordar estas brechas. Es una herramienta independiente, de código abierto, de procesamiento de lenguaje natural adaptable basada en Grandes Modelos de Lenguaje, sistemas de consulta y ajustes fuzzy para la conversión de términos médicos en el vocabulario estándar de OMOP. Esta primera versión se publica bajo la licencia MIT. Los términos médicos se pueden extraer de Registros de Salud Electrónicos (EHRs), cuestionarios de pacientes autoinformados y otros conjuntos de datos estructurados para servir como una entrada para Llettuce. Llettuce has the following modules and functionalities: • Búsqueda vectorial de concepto(s) • LLM prompting con nombre informal(s) • Busca de bases de datos OMOP CDM • Interfaz gráfica de usuario Demostraremos cómo funciona Llettuce y su rendimiento en comparación con Usagi y ChatGPT en un estudio de caso de conversión de nombres informales de medicamentos auto-reportados en conceptos OMOP. 
 
 Este artículo está disponible en archivo bajo la licencia CC BY 4.0. Este documento es bajo la licencia CC BY 4.0. Disponible en Archivo *Autor correspondiente: g.figueredo@nottingham.ac.uk [1] HTTPS://github.com/Health-Informatics-UoN/encuentro

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

Natural Language Processing

undefined's blog

Este audio es producido en el idioma original de la historia!

Cómo esta IA de código abierto simplifica el mapeo de datos de atención médica

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Una breve introducción a la teoría del cerebro de Boltzmann

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Una breve introducción a la teoría del cerebro de Boltzmann

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps