Клиническая система анализа текста и извлечения знаний Mayo (cTAKES): архитектура, оценка компонентов и области применения

Целью работы была разработка и оценка системы обработки естественного языка с открытым исходным кодом для извлечения информации из свободного текста электронных медицинских карт. Мы описываем и оцениваем нашу систему — клиническую систему анализа текста и извлечения знаний (cTAKES), распространяемую с открытым исходным кодом по адресу http://www.ohnlp.org. cTAKES использует существующие технологии с открытым исходным кодом — платформу Unstructured Information Management Architecture и инструментарий обработки естественного языка OpenNLP. Компоненты системы, специально обученные для клинической области, создают подробные лингвистические и семантические аннотации. Показатели отдельных компонентов: точность определения границ предложений — 0,949; точность токенизации — 0,949; точность определения частей речи — 0,936; F-мера синтаксического анализа поверхностной структуры — 0,924. Для распознавания именованных сущностей и оценки системы в целом F-мера составила 0,715 при точном совпадении границ и 0,824 при их частичном совпадении. Точность сопоставления с понятиями, определения отрицания и определения статуса при точном совпадении границ составила соответственно 0,957, 0,943 и 0,859, а при частичном совпадении — 0,580, 0,939 и 0,839. Общая эффективность системы обсуждается на примере пяти приложений. Аннотации cTAKES служат основой для методов и модулей семантической обработки клинического текста на более высоком уровне.