Цель исследования

vitj

Врач и информационные технологии

Medical Doctor and Information Technologies

1811-01932413-5208

Pirogov National Medical and Surgical Center

10.25881/18110193_2023_4_24

vitj-130

Research Article

ОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯ

ORIGINAL RESEARCH

Автоматизированная система извлечения аббревиатур терминов унифицированной национальной медицинской номенклатуры из текстов научных статей

Automated abbreviations recognition system for unified national medical nomenclature filling with using russian language unstructured text of articles

Астанин

П. А.

Astanin

P. A.

Москва

Moscow

med_cyber@mail.ru

Ронжин

Л. В.

Ronzhin

L. V.

Москва

Moscow

levronzhin@gmail.com

Федоров

А. А.

Fedorov

A. A.

Москва

Moscow

fdrv_rnrmu@mail.ru

Раузина

С. Е.

Rauzina

S. E.

к.м.н., доцент

Москва

PhD

Moscow

rauzina@mail.ru

Зарубина

Т. В.

Zarubina

T. V.

член-корр. РАН, д.м.н., профессор

Москва

Corresponding Member of the RAS, DSc, Prof.

Moscow

zarubina@rsmu.ru

ФГАОУ ВО РНИМУ им. Н.И. Пирогова Минздрава РоссииРоссияPirogov Russian National Research Medical UniversityRussian Federation

ФГАОУ ВО РНИМУ им. Н.И. Пи-рогова Минздрава РоссииРоссияPirogov Russian National Research Medical UniversityRussian Federation

2023

31032025

042435

2025

Астанин П.А., Ронжин Л.В., Федоров А.А., Раузина С.Е., Зарубина Т.В.

Astanin P.A., Ronzhin L.V., Fedorov A.A., Rauzina S.E., Zarubina T.V.

Данная работа распространяется под лицензией Creative Commons Attribution 4.0.

This work is licensed under a Creative Commons Attribution 4.0 License.

https://www.vit-j.ru/jour/article/view/130

Унифицированная национальная медицинская номенклатура (УНМН) разрабатывается с 2022 г. с использованием международного метатезауруса Unified Medical Language System (UMLS) и других источников. УНМН является терминологической системой, организованной по онтологическому принципу и потенциально применимой для аннотирования медицинских текстов на русском языке. В настоящее время словари и справочники УНМН наполняются различными вариантами возможных формулировок медицинских терминов автоматизированным и экспертным способами. В медицине часто используются аббревиатуры, которые позволяют в сокращенной форме выразить смысл используемых понятий. Однако их распознавание в неструктурированном тексте является нетривиальной задачей. Разработка программного инструмента для автоматического извлечения аббревиатур из текста научных статей позволит обогатить УНМН и ускорить создание систем поддержки принятия клинических решений на её основе.

Цель исследования

Цель исследования. Создание алгоритма автоматического извлечения аббревиатур терминов УНМН из текста научных статей на русском языке.

Материалы и методы

Материалы и методы. Для валидации и тестирования алгоритма использовались неструктурированные тексты аннотаций к научным статьям на русском языке, полученные из информационно-поисковой системы eLIBRARY. Полнотекстовые расшифровки извлеченных аббревиатур корректировались с применением билингвального перевода (на русский язык и обратно).

Результаты

Результаты. Разработанный на основе семантических правил алгоритм позволил обеспечить извлечение аббревиатур и их полнотекстовых расшифровок с ~93% чувствительностью и ~99% специфичностью. Для большинства (~87%) терминов с использованием билингвального перевода удавалось скорректировать орфографические ошибки и выполнить приведение к начальной форме. Половина (~49%) аббревиатур со 100% точностью сопоставлялась с терминами УНМН. Обработка текстов аннотаций к научным статьям (168 тыс.) с использованием разработанного алгоритма позволила сформировать основу для создания Единого справочника медицинских аббревиатур, сопоставленных с терминами УНМН (свыше 6,6 тыс. уникальных записей).

The Unified national medical nomenclature (UNMN) has been under development since 2022 with using the Unified Medical Language System (UMLS) Metathesaurus and other sources. UNMN is a terminological system based on ontological approach and potentially applicable in Russian language medical text annotating. Currently, terms from different clinical branches are being added to UNMN utilizing both automatized and expert ways. Often in medicine abbreviations allow expressing the meaning of the concepts in a rapid way. However, their recognition in unstructured text is not trivial issue. The development of software for automated abbreviations recognition from research articles could enrich UNMN and accelerate clinical decision support systems development.

The aim of this study was to create the automated algorithm for UNMN terms abbreviations recognition from text of Russian language research articles.

Methods

Methods. Validation and testing dataset included unstructured abstracts of Russian language research articles aggregated from eLIBRARY. Fulltext wordings of extracted abbreviations have been corrected with bilingual (RussianEnglish and EnglishRussian) translation.

Results

Results. Final version of the algorithm based on semantic rules demonstrated ~93% sensitivity and ~99% specificity in abbreviations and their fulltext wordings extraction. Large percentage (~87%) of terms has been successfully corrected and presented in the initial form after bilingual translation. Half (~49%) of abbreviations has been mapped with 100% accuracy to UNMN terms. Processing of 168 000 abstracts using the developed algorithm lead to creation of the Unified medical abbreviations thesaurus with UNMN terms (exceeding 6600 unique entries).

УНМНUMLSобработка естественного языкарегулярные выраженияRegexGoogletransAPIсемантический анализ текста

UNMNUMLSNLPregular expressionsRegexGoogletransAPItext semantic analysis

Исследование выполнено в рамках федеральной программы «Приоритет 2030».

References1

Осмоловский И.С., Зарубина Т.В. Разработка и апробация прототипа экспертной системы для диагностики подагры // Социальные аспекты здоровья населения. — 2023. — Т.69. — №4. — С.1-24. doi: 10.21045/2071-5021-2023-69-4-15.

Osmolovsky IS, Zarubina TV. Developing and testing a prototype expert system for gout diagnosis. Social Aspects of Population Health. 2023; 69(4): 1-24. (In Russ.)] doi: 10.21045/2071-5021-2023-69-4-15.

Зарубина Т.В., Кобринский Б.А., Белоносов С.С. и др. Медицинская информатика: учебник. 2-е издание, переработанное и дополненное // Москва: ГЭОТАР-Медиа, 2022. — 464 с. doi: 10.33029/9704-6273-7-TMI-2022-1-464

Zarubina TV, Kobrinskii BA, Lipkin YuG. Medical Informatics: Textbook. M.: GEOTAR-Media, 2022. 464 р. (In Russ.)] doi: 10.33029/9704-6273-7-TMI-2022-1-464.

Киселев К.В., Потехина А.В., Осяева М.К. и др. Разработка номенклатуры понятий для системы поддержки принятия врачебных решений в области диагностики стенокардии I-IV функциональных классов // Евразийский кардиологический журнал. — 2018. — №3. — С.14-25.

Kiselev KV, Potekhina AV, Osyaeva MK. Development of concepts nomenclature for clinical decision support system in diagnostics of angina pectoris. Eurasian heart journal. 2018; 3: 14-25. (In Russ.)]

Нугуманова А.Б., Байбурин Е.М., Мансурова М.Е., Барахнин В.Б. Автоматическое извлечение решеток понятий из медицинских текстов на основе комбинации анализа формальных понятий и технологий бутстраппинга // Вестник Новосибирского государственного университета. Серия: Информационные технологии. — 2018. — Т.16. — №4. — С.140-152. doi: 10.25205/1818-7900-2018-16-4-140-152

Nugumanova AB, Bayburin EM, Mansurova ME, Barakhnin VB. Automatic extraction of formal lattices from medical texts based on the combination of the formal concept analysis and bootstrapping technologies. Vestnik NSU. Series: Information Technologies. 2018; 16(4): 140-152. (In Russ.) doi: 10.25205/1818-7900-2018-16-4-140-152.

Сбоев А.Г., Селиванов А.А., Рыбка Р.Б. и др. Современные методы экстракции связанных именованных сущностей на примере биомедицинских текстовых данных // Вестник Военного инновационного технополиса «Эра». — 2022. — Т.3. — №1. — С.57-67. doi: 10.56304/S2782375X22010193

Sboev AG, Selivanov AA, Rybka RB. Sovremennye metody ehkstraktsii svyazannykh imenovannykh sushchnostei na primere biomeditsinskikh tekstovykh dannykh. Vestnik Voennogo innovatsionnogo tekhnopolisa «Ehra». 2022; 3(1): 57-67. (In Russ.)] doi: 10.56304/S2782375X22010193.

Будыкина А.В., Тихомирова Е.В., Киселев К.В. и др. Формализация знаний о желудочно-кишечном кровотечении неясного генеза для использования в интеллектуальных системах поддержки принятия врачебных решений // Вестник новых медицинских технологий. — 2020. — Т.27. — №4. — С.98-101. doi: 10.24411/1609-2163-2020-16741

Budykina AV, Tikhomirova EV, Kiselev KV. Formalization of knowledge about gastrointestinal bleeding of unknown origin for use in intelligent clinical decision support systems. Journal of new medical technologies. 2020; 27(4): 98-101. (In Russ.)] doi: 10.24411/1609-2163-2020-16741.

Шахмаметова Г.Р., Худоба Е.В. Разработка метода структурирования данных и знаний клинических рекомендаций // Информационные технологии интеллектуальной поддержки принятия решений (ITIDS’2019): Труды VII Всероссийской научной конференции (с приглашением зарубежных ученых). — 2019. — Т.2. — С.237-240.

Shakhmametova GR, Khudoba EV. Razrabotka metoda strukturirovaniya dannykh i znanii klinicheskikh rekomendatsii. Informatsionnye tekhnologii intellektual’noi podderzhki prinyatiya reshenii (ITIDS’2019): Trudy VII Vserossiiskoi nauchnoi konferentsii (s priglasheniem zarubezhnykh uchenykh). 2019; 2: 237-240. (In Russ.)

Астанин П.А., Ронжин Л.В., Раузина С.Е. Алгоритм оценки специфичности терминов метатезауруса UMLS на примере анализа семантической модели для дифференциальной диагностики аксиального спондилоартрита // Врач и информационные технологии. — 2023. — №3. — С.30-42. doi: 10.25881/18110193_2023_3_30

Astanin PA, Ronzhin LV, Rauzina SE. Algorithm for UMLS metathesaurus concepts specificity estimation using example of analysis of the semantic model describing axial spondyloarthritis differential diagnostics. Medical doctor and information technologies. 2023; 3: 30-42. (In Russ.) doi: 10.25881/18110193_2023_3_30.

Астанин П.А., Раузина С.Е., Зарубина Т.В. Автоматизированная система извлечения клинически релевантных терминов UMLS из текстов англоязычных статей на примере аксиального спондилоартрита // Социальные аспекты здоровья населения. — 2023. — Т.69. — №3. — С.1-28. doi: 10.21045/2071-5021-2023-69-3-14

Astanin PA, Rauzina SE, Zarubina TV. Automated system for recognizing clinically relevant UMLS terms in texts of the English-language articles exemplified by axial spondyloarthritis. Social Aspects of Population Health. 2023; 69(3): 1-28. (In Russ.) doi: 10.21045/2071-5021-2023-69-3-14.

Gusev A, Korsakov I, Novitsky R, et al. Feature extraction method from electronic health records in Russia. Proceedings of the 26th FRUCT Conference. 2020: 497–500. doi: 10.5281/zenodo.4007408.

Орлова Н.В., Суворов Г.Н., Горбунов К.С. Этика и правовое регулирование использования боль ших баз данных в медицине // Медицинская этика. — 2022. — Т.10. — №3. — С.4-9. doi: 10.24075/medet.2022.056

Orlova NV, Suvorov GN, Gorbunov KS. Ethics and legal regulation of using large databases in medicine. Medical Ethics. 2022; 10(3): 4-9. (In Russ.)] doi: 10.24075/medet.2022.056.

Cossin S, Margaux J, Larrouture I, et al. Semi-Automatic Extraction of Abbreviations and their Senses from Electronic Health Records. 2021: 1-12.

Ежков А.А. Анализ исследований в области обработки неструктурированных текстов в медицине // Наука и Просвещение: сборник статей II Международной научно-практической конференции «Научное обозрение». — 2022. — С.23-26.

Ezhkov AA. Analiz issledovanii v oblasti obrabotki nestrukturirovannykh tekstov v meditsine. Nauka i Prosveshchenie: sbornik statei II Mezhdunarodnoi nauchno-prakticheskoi konferentsii «Nauchnoe obozrenie». 2022: 23-26. (In Russ.)

Шрайберг Я.Л., Дмитриева Е.Ю., Смирнова О.В. и др. Разработка системы взаимосвязанных классификаций: сопоставление Государственного рубрикатора научно-технической информации и Универсальной десятичной классификации // Научные и технические библиотеки. — 2023. — №11. — С.36-65. doi: 10.33186/1027-3689-2023-11-36-65

Shraiberg YaL, Dmitrieva EYu, Smirnova OV. Developing the system of interconnected classifications: Comparing the State Rubricator of Sci-tech Information and Universal Decimal Classification. Scientific and Technical Libraries. 2023; 11: 36-65. (In Russ.) doi: 10.33186/1027-3689-2023-11-36-65.

Пикалёв Я.С. Разработка системы нормализации текстовых корпусов // Проблемы искусственного интеллекта. — 2022. — №25(2). — С.64-78.

Pikalev YaS. Razrabotka sistemy normalizatsii tekstovykh korpusov. Problemy iskusstvennogo intellekta. 2022; 25(2): 64-78. (In Russ.)

Астапов Р.Л., Мухмадеева Р.М. Автоматизированная предобработка текста для определения эмоциональной окраски текста // Актуальные научные исследования в современном мире. — 2021. — №5-2(73). — С.19-23. doi: 10.32743/UniTech.2023.107.2.15064

Astapov RL, Mukhmadeeva RM. Avtomatizirovannaya predobrabotka teksta dlya opredeleniya ehmotsional’noi okraski teksta. iScience. 2021; 5-2(73): 19-23. (In Russ.)] doi: 10.32743/UniTech.2023.107.2.15064

Логунова Т.В., Щербакова Л.В., Васюков В.М., Шимкун В.В. Анализ алгоритмов классифи кации текстов // Universum: технические науки. — 2023. — №2-2(107). — С.4-20..

Груздев Д.Ю., Макаренко А.С., Коджебаш Д.О. Принципы создания аннотации корпуса текстов // Вестник МИТУ — МАРХИ. — 2023. — №1. — С.88-97. doi: 10.52470/2619046X_2023_1_8

Gruzdev DYu, Makarenko AS, Kodzhebash DO. Corpus annotation development principles. Vestnik MITU — MARHI. 2023; 1: 88-97. (In Russ.) doi: 10.52470/2619046X_2023_1_88.

Пашук А.В., Гуринович А.Б., Волорова Н.А., Кузнецов А.П. Анализ методов разрешения лексической многозначности в области биомедицины // Доклады БГУИР. — 2019 — №5(123). — С.60-65. doi: 10.35596/1729-7648-2019-123-5-60-65

Pashuk AV, Gurinovich AB, Volorova NA, Kuznetsov AP. Analysis of the methods of word sense disambiguation in the biomedical domain. Doklady BGUIR. 2019; 5(123): 60-65. (In Russ.)] doi: 10.35596/1729-7648-2019-123-5-60-65.

Валиев А.И., Лысенкова С.А. Применение методов машинного обучения для автоматизации процесса анализа содержания текста // Вестник кибернетики. — 2021. — №44(4). — С.12-15. doi: 10.34822/1999-7604-2021-4-12-15

Valiev AI, Lysenkova SA. Application of machine learning methods for automation of the process of the text contents analysis. Proceedings in Cybernetics. 2021; 44(4): 12-15. (In Russ.) doi: 10.34822/1999-7604-2021-4-12-15.

Lee J, Yoon W, Kim S, et al. BioBERT: a pre-trained biomedical language representation model for biomedical text mining. Bioinformatics. 2020; 36(4): 1234-1240. doi: 10.1093/bioinformatics/btz682.

Zhang Y, Tiryaki F, Jiang M, et al. Parsing clinical text using the state-of-the-art deep learning based parsers: a systematic comparison. BMC Med Inform Decis Mak. 2019; 19(3): 77. doi: 10.1186/s12911-019-0783-2.

Ленивцева Ю.Д., Копаница Г.Д. Автоматическое определение типа аллергии из неструктурированных медицинских текстов на русском языке // Научно-технический вестник информационных технологий, механики и оптики. — 2021. — Т.21. — №3. — С.433-436. doi: 10.17586/2226-1494-2021-21-3-433-436

Lenivtceva IuD, Kopanitsa GD. Automatic allergy classification based on Russian unstructured medical texts. Scientific and Technical Journal of Information Technologies, Mechanics and Optics. 2021; 21(3): 433- 436. (In Russ.)] doi: 10.17586/2226-1494-2021-21-3-433-436.

Хоружая А.Н., Козлов Д.В., Арзамасов К.М., Кремнева Е.И. Анализ текстов описаний КТ-исследований головного мозга с признаками внутричерепных кровоизлияний с помощью алгоритма дерева решений // Соврем. технол. мед. — 2022. — Т. 14. — №6. — С. 34-41. doi: 10.17691/stm2022.14.6.04

Khoruzhaya AN, Kozlov DV, Arzamasov KM, Kremneva EI. Text Analysis of Radiology Reports with Signs of Intracranial Hemorrhage on Brain CT Scans Using the Decision Tree Algorithm. Sovremennye tehnologii v medicine. 2022; 14(6): 34-41. (In Russ.) doi: 10.17691/stm2022.14.6.04.

Кротова О.С., Москалев И.В., Хворова Л.А., Назаркина О.М. Реализация эффективных моделей классификации медицинских данных методами интеллектуального анализа текстовой информации // Известия Алтайского государственного университета. — 2020. — №111(1). — С.99-104. doi: 10.14258/izvasu(2020)1-16

Krotova OS, Moskalev IV, Khvorova LA, Nazarkina OM. Implementation of effective models for classifying medical data using text mining. Izvestiya of Altai State University. 2020; 111(1): 99-104. (In Russ.) doi: 10.14258/izvasu(2020)1-16.

Ткаченко С.А., Коломыцева Е.П. Разработка подходов по выявлению именованных сущностей в биомедицинских текстах с использованием методов нечеткой логики // Вектор развития современной науки: Сборник статей VII Международной научно-практической конференции. — 2020. — С.34-41.

Tkachenko SA, Kolomytseva EP. Razrabotka podkhodov po vyyavleniyu imenovannykh sushchnostei v biomeditsinskikh tekstakh s ispol’zovaniem metodov nechetkoi logiki. Vektor razvitiya sovremennoi nauki: Sbornik statei VII Mezhdunarodnoi nauchno-prakticheskoi konferentsii. 2020: 34-41. (In Russ.)

Зулкарнеев Р.Х., Юсупова Н.И., Сметанина О.Н. и др. Методы и модели извлечения знаний из медицинских документов // Информатика и автоматизация. — 2022. — Т.21. — №6. — С.1169-1210. doi: 10.15622/ia.21.6.4

Zulkarneev RKH, Yusupova NI, Smetanina ON. Method and models of extraction of knowledge from medical documents. Informatics and Automation. 2022; 21(6): 1169-1210. (In Russ.) doi: 10.15622/ia.21.6.4.

Клышинский Э.С., Грибова В.В., Шахгельдян К.И. и др. Алгоритм автоматического выделения жалоб пациентов из историй болезни // Новые информационные технологии в автоматизированных системах. — 2019. — №22. — С.204-209.

Klyshinskii EhS, Gribova VV, Shakhgel’dyan KI. Algoritm avtomaticheskogo vydeleniya zhalob patsientov iz istorii bolezni. Novye informatsionnye tekhnologii v avtomatizirovannykh sistemakh. 2019; 22: 204-209. (In Russ.)

Легашев Л.В., Шухман А.Е., Болодурина И.П. и др. Обработка русскоязычных неструктурированных медицинских текстов и вероятностное прогнозирование групп заболеваний // Врач и информационные технологии. — 2022. — №4. — С.52-63. doi: 10.25881/18110193_2022_4_52

Legashev LV, Shukhman AE, Bolodurina IP. Russian unstructured clinical texts processing and probabilistic classification of disease groups. Medical doctor and information technologies. 2022; 4: 52-63. (In Russ.)] doi: 10.25881/18110193_2022_4_52.

Сердюк Ю.П., Власова Н.А., Момот С.Р. Система извлечения упоминаний симптомов из текстов на естественном языке с помощью нейронных сетей // Программные системы: теория и приложения. — 2023. — Т.14. — №56(1). — С.95-123. doi: 10.25209/2079-3316-2023-14-1-95-123

Serdyuk YuP, Vlasova NA, Momot SR. A system for extracting symptom mentions from texts by means of neural networks. Program Systems: Theory and Applications. 2023; 14(56(1)): 95-123. (In Russ.) doi: 10.25209/2079-3316-2023-14-1-95-123.

Москалев И.В., Кротова О.С., Хворова Л.А. Автоматизация процесса извлечения структурирован ных данных из неструктурированных медицинских выписок с применением технологий интел лектуального анализа текстов // Высокопроизводительные вычислительные системы и техно логии. — 2020. — Т.4. — №1. — С.163-167.

Moskalev IV, Krotova OS, Khvorova LA. Avtomatizatsiya protsessa izvlecheniya strukturirovannykh dannykh iz nestrukturirovannykh meditsinskikh vypisok s primeneniem tekhnologii intellektual’nogo analiza tekstov. High-performance computing systems and technolohies. 2020; 4(1): 163-167. (In Russ.)

Du X, Zhu R, Li Y, Anjum A. Language model-based automatic prefix abbreviation expansion method for biomedical big data analysis. Future Gener Comput Syst. 2019; 98: 238-251. doi: 10.1016/j.future.2019.01.016.

Chang JT, Schütze H, Altman RB. Creating an online dictionary of abbreviations from MEDLINE. J Am Med Inform Assoc. 2002; 9(6): 612-620. doi: 10.1197/jamia.m1139.

Qiao J, Jinling L, Xinghua L. Deep contextualized biomedical abbreviation expansion. Proceedings of the 18th BioNLP Workshop and Shared Task in Florence, Italy. 2019: 88-96. doi: 10.18653/v1/W19-5010.

Juyong K, Gong L, Khim J, et al. Improved clinical abbreviation expansion via non-sense-based approaches. Proceedings of Machine Learning Research. 2020; 136: 161-178.

Skreta M, Arbabi A, Wang J, et al. Automatically disambiguating medical acronyms with ontology aware deep learning. Nat Commun. 2021; 12(1): 5319. doi: 10.1038/s41467-021-25578-4.

The authors declare that there are no conflicts of interest present.