Indexation de textes mdicaux par extraction de concepts, et ses utilisations

1
Indexation de textes médicaux par extraction de
concepts, et ses utilisations

• Soutenance de thèse Génie Biologique et Médical
• NOMINDEX
• Bruno.Pouliquen_at_univ-rennes1.fr
• Laboratoire dInformatique MédicaleFaculté de
  Médecine

2
Aperçu
Texte ( Le Monde  27.04.02)
Thesaurus ( MeSH )
En pratique le diagnostic d'hémochromatose est
extrêmement simple. Il se fait en deux étapes,
résume le professeur Yves Deugnier (service des
maladies du foie, hôpital Pontchaillou, Rennes).
La première consiste à mesurer le taux de fer
dans le sang a l'aide d'un test dénommé "taux de
saturation de la transferrine". Une augmentation
anormale de ce taux impose, via une prise de
sang, de rechercher la présence de la mutation du
gène de l'hémochromatose.
DIAGNOSTIC HEMOCHROMATOSE MALADIE SERVICE
HOSPITALIER HOPITAL FOIE FOIE, MALADIES SANG
FER SIDEROPHILINE GENES MUTATION
3
Motivations

• Nombre sans cesse croissant de textes médicaux
• Surabondance dinformations
• Nécessité de disposer doutils de recherche
• Textes en langage naturel
• Traitement utilisant un vocabulaire contrôlé
  thésaurus

4
But

• Indexation de textes médicaux en français
• Entièrement automatique
• Aucune connaissance ne sera ajoutée aux bases
  existantes
• Construire plusieurs outils utilisant cette
  indexation

5
Indexation définition

• Créer une représentation permettant de repérer et
  retrouver facilement l'information dans un
  ensemble de documents

6
Indexation méthodes

• Indexation manuelle
• Automatique
• Semi-automatique

7
Indexation descripteurs
En pratique le diagnostic d'hémochromatose est
extrêmement simple. Il se fait en deux étapes,
résume le professeur Yves Deugnier (service des
maladies du foie, hôpital Pontchaillou, Rennes).
La première consiste à mesurer le taux de fer
dans le sang à l'aide d'un test dénommé "taux de
saturation de la transferrine". Une augmentation
anormale de ce taux impose, via une prise de
sang, de rechercher la présence de la mutation du
gène de l'hémochromatose.
Diagnostic Maladie Service hospitalier Hôpital
Foie Foie, maladies Fer Sidérophiline Gènes
Mutation (2 fois) Sang (2 fois) Hémochromatose
8
Méthodes dindexation par thésaurus

• Par apprentissage
• Un corpus pré-indexé manuellement
• Calcul de probabilité dapparition dun concept
  selon les mots des textes indexés manuellement
  par ce concept
• Par extraction
• Un lexique de termes et de mots associés à chaque
  concept
• Outil linguistique identifiant un terme dans une
  phrase

9
Utilisations de lindexation

• Recherche dinformation
• Similarité de documents
• Cartographie
• Classification
• Et aussi
• Extraction de mots-clés
• Synthèse automatique de documents

10
Contexte

• La base de connaissances ADM
• Thésaurus
• Lexique
• Le meta-thésaurus UMLS
• Corpus de textes

11
Contexte ADM

• Base de connaissance ADM (évocation de
  diagnostic)

12
Contexte ADM
ADM
Hiérarchie des concepts
13
Contexte dictionnaire ADM

• Lexique médical
• Lexique français contenant des synonymes et
  flexions
• Notions de  mots composés  et de  mots
  associés 
• Mot composé  Bec de lièvre 
• Mots associés  Fente palatine 

Mot de référence

• EXTRACTION
• EXTRACTIONS
• EXTRAIRE
• EXTRAIT
• EXTRAITS
• EXTRAITE
• EXTRAITES

Flexion du mot de référence
Synonyme, quasi-synonyme ou dérivation
Flexions de "EXTRAIRE"
Le bec de lièvreLes becs de lièvreLe lièvre na
pas de bec
La fente palatineLes fentes du palaisLe palais
est fendu
14
Mots composés

• Expressions multi-mots dont le sens est différent
  de lunion des composants
• Reconnus dans une phrase si tous les composants
  (ou leurs flexions) sont présents et dans le même
  ordre dapparition

Fièvre jauneBec de lièvreAngine de
poitrinePomme de terre
15
Mots associés

• Le sens est déduit de lunion des composants
• Reconnus dans une phrase si tous les composants
  (ou leurs synonymes ou flexions) sont présents
• Utilisés le plus souvent pour créer une synonymie
  entre un mot et une expression complexe

 Les maux de dents   Il a mal aux
dents   Les douleurs dentaires   Lodontalgie 
 Algies dentaires 
Douleur dent Odontalgie Avant
repas PréprandialFente palais Bec de
lièvreCalcémie basse Hypocalcémie
Douleur dent Odontalgie Avant
repas PréprandialFente palais Bec de
lièvreCalcémie basse Hypocalcémie
Douleur dent Odontalgie Avant
repas PréprandialFente palais Bec de
lièvreCalcémie basse Hypocalcémie
Douleur dent Odontalgie Avant
repas PréprandialFente palais Bec de
lièvreCalcémie basse Hypocalcémie
Douleur dent Odontalgie Avant
repas PréprandialFente palais Bec de
lièvreCalcémie basse Hypocalcémie
  Hypoglycémie pré ou post prandiale
   Traitement des fentes palatines  
  Baisse de la calcémie
16
Contexte thésaurus ADM

• Thésaurus extrait de lADM
• Pathologies, symptômes (60000 concepts, 81000
  termes)
• Hiérarchie (40000 relations)

17
Contexte UMLS

• Meta thésaurus édité par la National Library of
  Medicine
• Thésaurus extrait de lUMLS
• Uniquement le MeSH (traduit en français) (22500
  concepts, 33000 termes)
• La taxonomie de lUMLS est conservée (11000
  relations)

Hernie ombilicale
Terme synonyme
Hyperonymes
Maladies du nouveau-né
Omphalocèle
Hernie
Maladies de labdomen
18
Contexte corpus de textes

• Éditions du Collège des Enseignants de Radiologie
  de France
• Indexation de 3000 cas cliniques et 200 documents
• Moteur de recherche, réseau inter-documents 
• Réseau pédagogique rennais (500 documents)
• Cours des enseignants rennais
• Moteur de recherche en texte libre
• Documents indexés dans le CISMEF (plus de 6000
  docs)
• Contenu des documents téléchargés depuis le Web
• Extraction automatique de mots-clés

19
Choix

• Linguistiques
• Langage canonique du thésaurus et du lexique
  (syntaxe pauvre)
• Pas danalyse syntaxique ou grammaticale, de
  racinisation, de lemmatisation 
• Techniques
• Base de données relationnelle
• Programmation en Perl
• Interface CGI (Web)

20
Réalisations Extraction de mots

• Indexation dun texte en mots de référence
• Néphrite glomérulaire lupique gt Lupus,
  Glomérulonéphrite
• Extraction des mots de référence du thésaurus
• Création dune base de données contenant les mots
  de référence de chaque concept du thésaurus

C0004255 ATROPHIE C0008925 FENTE
PALATINE C0008925 FISSURE PALATINE
21
Réalisations Extraction de concepts

• Fonction de correspondance
• Un concept est détecté dans une phrase si tous
  ses mots sont présents
• Extraction des concepts dune phrase 

Hypoplasie maxillaire et bec de lièvre
22
Algorithme
Infection nosocomiale (HOPITAL INFECTION) Hôpital
maladie osseuse (HOPITAL OS MALADIE) Médecin
hospitalier (HOPITAL MEDECINE) Hôpital général
(HOPITAL GENERAL) Système communication hôpital
(HOPITAL COMMUNICATION SYSTEME) Hôpital
communautaire (HOPITAL COMMUN) Service
hospitalier (HOPITAL SERVICE) ...

• Tri des mots de référence
• On repère, pour chaque mot, les termes qui
   commencent  par ce mot
• On vérifie que tous les autres composants sont
  présents

Service traitement douleur aiguë Service
diagnostic Service médecine préventive Services
santé Service santé mentale Fusion services
santé Service santé maternelle ...
Hôpital Maladie Foie
Hôpital Maladie Foie Service hospitalier
Hôpital Maladie Foie Service hospitalier Foie,
maladies
Hôpital Maladie Foie Service hospitalier Foie,
maladies
HOPITAL SERVICE MALADIE FOIE
Service des maladies du foie, hôpital Pontchaillou
23
Réalisations généralisation

• Information implicite, mais non présente dans le
  texte
• Pour chaque concept trouvé, génération des
  hyperonymes

Diagnostic Maladie Service hospitalier Hôpital
Foie Foie, maladies Fer Sidérophiline Gènes
Mutation Sang Hémochromatose
Signes et symptômes, états pathologiques Processus
anatomopathologique Appareil digestif,
maladies Liquide biologique Troubles métabolisme
fer Surcharge fer Métabolisme, maladies Métabolism
e et nutrition, maladies
24
Réalisations Indexation de corpus

• Chaque document est lu depuis le Web
• Chaque texte est segmenté en phrases
• De chaque phrase, on extrait les concepts
• Génération automatique de concepts génériques
• Pondération du poids de chaque concept
• En fonction de lusage dans le corpus ( TFIDF )
• En fonction de l importance  de la phrase
  (titre, chapitre)

Indexation de 7000 documents (CISMeF)
25
Réalisations Indexation de corpus
http//www.lemonde.fr/1,9687,273407,00.html

• de confidentialité du site.
• LE MONDE INTERACTIF - MALADES DE TROP DE FER
• Malades de trop de fer
• LE MONDE 27.04.02 15h35
• Le fer n'a pas toutes les vertus. Contrairement
  aux publicités récurrentes de...
• S'il est vrai que des insuffisances d'apport
  peuvent conduire à différentes f...
• La maladie se caractérise par l'apparition - vers
  la quarantaine chez l'homme...
• "En pratique le diagnostic d'hémochromatose est
  extrêmement simple. Il se fai...
• résume le professeur Yves Deugnier (service des
  maladies du foie, hôpital Pon...
• La première consiste à mesurer le taux de fer
  dans le sang gâce à un test dén...
• (lire ci-dessous l'entretien avec le professeur
  Pierre Brissot).
• Une fois établi et confirmé, le diagnostic
  d'hémochromatose impose la mise en...
• "soustractions sanguines"
• obtenues par la pratique répétée de saignées (ou
  phlébotomies) répétées qui p...
• "Lorsque le diagnostic d'hémochromatose génétique
  est porté avant l'installat...
• L'hémochromatose génétique est l'une des
  affections pour laquelle la compréhe...
• Le Monde
• du 5 avril). Permise grâce aux travaux préalables
  de l'équipe dirigée à Renne...
• Après les premières descriptions cliniques et
  pathologiques de Trousseau (186...

Diagnostic Maladie Service hospitalier Hôpital
Foie Foie, maladies Fer Sidérophiline Gènes
Mutation (2 fois) Sang (2 fois) Hémochromatose
Troubles métabolisme fer Signes et symptômes,
états pathologiques Processus anatomopathologique
Surcharge fer Métabolisme et nutrition,
maladies Métabolisme, maladies Appareil digestif,
maladies
26
Utilisation de lindexation

• Modèle choisi vectoriel

• Système de recherche dinformation (moteur de
  recherche)

• Similarité de documents (formule  Cosine )

Concept 2
Document 2

• Attribution de mots-clés

Concept 1

• Et aussi
• Synthèse automatique de documents
• Attribution automatique de domaine nosologique
• Évocation de diagnostic
• Similarité de concepts

Document 1
Concept 3
27
Moteur de recherche

• NOMINDEX extrait les concepts dune requête
• Calcule la similarité de cet ensemble de concepts
  avec chacun des documents

28
Similarité de documents

• Calculer langle du vecteur dun document avec
  tous les autres documents

29
Extraction de mots-clés

• Afficher tous les concepts dun document ayant le
  meilleur score (tfidf)

Hémochromatose 40 379,11 Troubles métabolisme
fer 1 273,6 Surcharge fer 4
221,68 Métabolisme et nutrition, maladies 2
202,53 Maladie 65 183,75 Métabolisme,
maladies 1 146,61 Maladies néonatales et
malformations 3 123,12 Foie, maladies 13
87,29 Fer 9 86,93
30
Synthèse automatique de documents

• Méthode du  mauvais  élève extraction de
  phrases significatives
• Calculer la similarité de chaque phrase avec le
  document
• Retenir les n premières phrases

• de confidentialité du site.
• LE MONDE INTERACTIF - MALADES DE TROP DE FER
• Malades de trop de fer
• LE MONDE 27.04.02 15h35
• Le fer n'a pas toutes les vertus. Contrairement
  aux publicités récurrentes de...
• S'il est vrai que des insuffisances d'apport
  peuvent conduire à différentes f...
• La maladie se caractérise par l'apparition - vers
  la quarantaine chez l'homme...
• "En pratique le diagnostic d'hémochromatose est
  extrêmement simple. Il se fai...
• résume le professeur Yves Deugnier (service des
  maladies du foie, hôpital Pon...
• La première consiste à mesurer le taux de fer
  dans le sang gâce à un test dén...
• (lire ci-dessous l'entretien avec le professeur
  Pierre Brissot).
• Une fois établi et confirmé le diagnostic
  d'hémochromatose,
• "soustractions sanguines"
• obtenues par la pratique répétée de saignées (ou
  phlébotomies) répétées qui p...
• "Lorsque le diagnostic d'hémochromatose génétique
  est porté avant l'installat...
• L'hémochromatose génétique est l'une des
  affections pour laquelle la compréhe...
• Le Monde
• du 5 avril). Permise grâce aux travaux préalables
  de l'équipe dirigée à Renne...
• Après les premières descriptions cliniques et
  pathologiques de Trousseau (186...

S'il est vrai que des insuffisances d'apport
peuvent conduire à différentes formes d'anémie et
qu'elles doivent impérativement être corrigées,
les surcharges en fer - ou "hémochromatoses" -
sont des affections aux conséquences d'autant
plus graves que le diagnostic est fait
tardivement.
S'il est vrai que des insuffisances d'apport
peuvent conduire à différentes formes d'anémie et
qu'elles doivent impérativement être corrigées,
les surcharges en fer - ou "hémochromatoses" -
sont des affections aux conséquences d'autant
plus graves que le diagnostic est fait
tardivement. (...) La première consiste à
mesurer le taux de fer dans le sang gâce à un
test dénommé "taux de saturation de la
transferrine". (...)
S'il est vrai que des insuffisances d'apport
peuvent conduire à différentes formes d'anémie et
qu'elles doivent impérativement être corrigées,
les surcharges en fer - ou "hémochromatoses" -
sont des affections aux conséquences d'autant
plus graves que le diagnostic est fait
tardivement. (...) La première consiste à
mesurer le taux de fer dans le sang gâce à un
test dénommé "taux de saturation de la
transferrine". (...) Une fois établi et confirmé
le diagnostic d'hémochromatose
S'il est vrai que des insuffisances d'apport
peuvent conduire à différentes formes d'anémie et
qu'elles doivent impérativement être corrigées,
les surcharges en fer - ou "hémochromatoses" -
sont des affections aux conséquences d'autant
plus graves que le diagnostic est fait
tardivement. (...) La première consiste à
mesurer le taux de fer dans le sang gâce à un
test dénommé "taux de saturation de la
transferrine". (...) Une fois établi et confirmé
le diagnostic d'hémochromatose (...) Lorsque le
diagnostic d'hémochromatose génétique est porté
avant l'installation des lésions articulaires et
des complications viscérales et lorsque ce
traitement est correctement mené, la qualité et
l'espérance de vie rejoignent celles de la
population générale
31
Attribution automatique de domaine nosologique

• Pour chaque concept, calculer sa probabilité
  dappartenir à un domaine
• Le domaine du document est fonction de chaque
  domaine de ses concepts

32
Évocation de diagnostic

• Chaque pathologie ADM est indexée par NOMINDEX
• Un nouveau document est comparé à chaque
  pathologie

Il s'agit d'un coma calme, normo ou
hypothermique, avec hypotonie globale et
aréflexie tendineuse, sans signe neurologique en
foyer. Quelques signes viennent volontiers
emporter la conviction rougeur de la face, la
sudation exagérée, l'hypersialorrhée et les
signes d'encombrement broncho-pulmonaire, enfin
la survenue éventuelle de pauses respiratoires.
Coma calme Encombrement bronchique Face
normale Face respectée Face vultueuse Hypothermie
Hypotonie Insuffisances respiratoires Pneumologie
Sialorrhée Signe de focalisation neurologique
absence Sudation exagérée Test sueur
normal Trouble respiratoire
Coma myxdémateux 16 Barbituriques lents
intoxication aiguë 10 Antihistaminiques
neuroleptiques intoxication aiguë 9 Accès
palustre pernicieux 8 Coma
hypoglycémique 7 Barbital intoxication
aiguë 7
33
Similarité de concepts

• Calculer langle des concepts projetés sur
  lespace des documents

Déformations du pied
34
Baladeur documents et concepts
35
Intégration dun traducteur

• Traductions extraites du meta-thésaurus UMLS
• Traduction mot à mot, terme à terme

Traduction en vue de lindexation
36
Évaluation

• S.R.I. Comparaison avec un moteur
  texte-intégral
• Précision 60 en texte-intégral 93 avec
  NOMINDEX
• Mots-clés Comparaison avec une indexation
  manuelle
• Précision 30, rappel 31 (un concept nouveau
  proposé dans un document sur deux)

37
Évaluation

• Indexation de thèses de pharmacologie
• Précision 50 mais 7 nouveaux concepts
  pertinents proposés
• Reconnaissance vocale et NOMINDEX
  (coronarographie)
• Précision 88, rappel 75
• Analyse Factorielle des Correspondances
• Comparaison, sur 104 documents, entre NOMINDEX et
  texte-intégral

38
AFC sur 100 documents
axes 1 et 2
maladies sexuellement transmissibles
HIV
SIDA
Afrique
virus
extension
diagnostic
maladie
39
AFC, suite
40
NOMINDEX vs NLM Indexing initiative
Bupivacaine inhibition L-type calcium courante
dans ventriculaire cardiomyocytes hamster.
Rossner kl, Exempt kj. Detachement
Anesthesiologie, Winthrop-Universite Hopital,
Mineola, Nouveau York, ETATS UNIS.
krossner_at_epo.som.sunysb.ude ARRIERE PLAN local
anesthesique bupivacaine est cardiotoxique quand
accidentellement injecte dans circulation. Tel
cardiotoxicite might involve un inhibition
cardiaque L-type Ca2 courante (Ica,L). Ce etude
etait fait pour definit mecanisme bupivacaine
inhibition Ica,L. METHODES Cardiomyocytes
etaient enzymatically dispersions hamster
ventricules. Certain voltage- et
delai-dependencies Ica ,L etaient enregistre
utilisant intact-cellule plaque etrier methode
dans presence et absence differentes
concentration bupivacaine. RESULTATS
Bupivacaine, dans un concentration-dependant
maniere (10-300 Microm), tonically empeche pic
amplitude Ica,L. inhibition etait caracterise par
un accroissement dans delai recouvrement
inactivation et un negatif-voltage shift
equilibre cinetique inactivation courbe.
inhibition etait montre sa voltage-dependant, et
pic amplitude Ica,L put pas etre restitua pour
commande niveaux par un laver bupivacaine.
CONCLUSION inhibition Ica,L comparution, dans
partie, pour aboutissement bupivacaine
predisposant L-type Cannaux calciques pour
inactivated etat. Donnees minus suggere celui la
peut etre deux mecanismes inhibition travail.
Bupivacaine mai agglutine a bas affinite pour
Cannal calcique et egalement affecte un non
identifie metabolique constituant celui module
Cannal calcique fonction.

• NOMINDEX
• 1 BUPIVACAINE
• 2 HAMSTER
• 3 ANESTHESIQUES LOCAUX
• 4 SIGNES ET SYMPTOMES, ETATS PATHOLOGIQUES
• 5 CANAUX CALCIQUES TYPE-L
• 6 PROCESSUS ANATOMOPATHOLOGIQUE
• 7 CALCIUM
• 8 CARDIOTONIQUES
• 9 CANAUX CALCIQUES
• Coeur
• Manque Relation dose-réponse médicament

NLM Ind 1 CANAUX CALCIQUES 2 CALCIUM 3
BUPIVACAINE 4 calcium channel blockers 5
POTENTIEL MEMBRANE 6 MYOCARDE 7 ANESTHESIQUES
LOCAUX 8 Cur 9 Ventricule cardiaque 53
Relation dose-réponse médicament Manque
HAMSTER
41
Discussion

• Outil contraint par la qualité du thésaurus et du
  lexique
• Intégrer des outils dapprentissage sur corpus
• Repérage de nouveaux concepts
• Extension à dautres domaines ?
• Classifications (CdAM, CIM10)
• Repérage des relations sémantiques

42
Conclusion

• Des défauts
• Lexique et thésaurus
• Intervention humaine
• Apprentissage sur corpus
• Méthode
• Outils linguistiques
• Plus de sémantique

43
Conclusion

• Des qualités
• Peu dintervention humaine
• Performance quantitative
• Relative bonne performance qualitative
• Peut être utilisé en complément dautres outils
• Utilisation intensive CISMeF
• Aide au codage
• Moteur de recherche
• Université Médicale Virtuelle Française ?