卒業研究発表用スライド 具体的な電子カルテ例は抜いています．

1. 電子カルテからの医療用語抽出 豊田工業大学 知能数理研究室 07002 石原健太 1

2. 本日の発表の流れ 研究概要・目的 研究背景（自然言語処理と機械学習） 研究システムの概要 システム設計 実験結果と考察 結論 2

3. 研究概要・目的 電子カルテから医療用語を抽出する． 医療用語->患者の状態や，施術，発生している問題など 電子カルテ->医師によって自然言語で記述された診断書． 医療現場において医師の診断補助に用いることを目標とする． 3

4. 研究背景（自然言語処理） 人間が書いた，文法性を持った文章を解析する技術 固有表現抽出はなかでも本研究と類似している． 大きく分けて2種類の方法． １：抽出のルールを設けて抽出 ２：前後の文脈から確率的に推定（機械学習） 人手でルールベースを管理することは非常に難しい ->そこで２の機械学習を用いて尤もらしいものを推定 4

5. 研究背景（機械学習） 条件付き確率場（CRFs: Conditional Random Fields） 入力だけに出力が依存することはなく文脈を取り込める．また各単語に対し豊富に特徴を加えることができる． 本研究ではCRFsのツールCRF++ を用いて機械学習を行う． 5

6. 本日の発表の流れ 研究概要・目的 研究背景（自然言語処理と機械学習） システムの概要 システム設計 実験結果と考察 結論 6

7. システムの概要 7 学習用 電子カルテ 評価用 電子カルテ 解析済学習 コーパス 解析済評価用コーパス モデル CRF CRF 結果

8. システムの概要 8 学習用 電子カルテ テスト用 電子カルテ この部分はCRF++を用いている ので変更出来ることはない． 解析済学習 コーパス 解析済テスト コーパス モデル CRF CRF 結果

9. システムの概要 9 学習用 電子カルテ テスト用 電子カルテ 解析済学習 コーパス 解析済評価用コーパス モデル CRF CRF 電子カルテをどう解析するか， どのような特徴を付けたのかが研究の中心になる 結果

10. 本日の発表の流れ 研究概要・目的 研究背景（自然言語処理と機械学習） システムの概要 システム設計 実験結果と考察 結論 10

11. システムの設計 電子カルテを解析するにはどうするか？（CRFのための特徴付け） ①自然言語処理を用いて形態素解析を行う ここでは言語的意味を付与している． ②辞書を用いて分かち書きされた単語に，意味を付与する． ③表記を利用した物 11

12. システムの設計(形態素解析) GENIA taggerを用いて解析 入力単語の原形 POSタグ（品詞） チャンクタグ（句形） 生物学用語 電子カルテ GENIA Tagger 12

13. システムの設計(形態素解析) ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ ⑨ ⑩ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ①単語 ②単語の原形 ③POS ④チャンク ⑤生物学用語 ⑥最出文字種類 ⑦単語の後ろ3文字 ⑨tf-idf ⑩Wikipediaカテゴリ 13

14. システムの設計（意味付与） 電子カルテを解析するにはどうするか？（CRFのための特徴付け） ①自然言語処理を用いて形態素解析を行う ただし分かち書きはされているので主に品詞付け ②辞書を用いて分かち書きされた単語に，意味を付与する． ③表記を利用した物 14

15. システムの設計（意味付与） Wikipediaを用いて意味付与を行う． 記事本体を用いずにカテゴリ構造を用いる Wikipediaの各記事やカテゴリは親カテゴリに所属していて，それらはWikipediaが定める基本的なカテゴリへ辿ることができる． 15

16. Wikipediaのカテゴリネットワーク 基本カテゴリ1 基本カテゴリ2 カテゴリC カテゴリA カテゴリB カテゴリD カテゴリE 記事A 記事B 16

17. 基本カテゴリ1 基本カテゴリ2 カテゴリC カテゴリA ある記事がどのカテゴリに最も強く属しているか 白川らのBVG（Basic Vector Generation）法を用いて測定 カテゴリB カテゴリD カテゴリE 記事A 記事B Wikipediaのカテゴリネットワーク 17

18. BVG法 基本カテゴリ1 基本カテゴリ2 カテゴリC カテゴリA カテゴリB カテゴリD カテゴリE 記事A 記事B

19. BVG法 基本カテゴリ1 基本カテゴリ2 カテゴリC カテゴリA カテゴリB カテゴリD カテゴリE 記事A 記事B

20. BVG法 基本カテゴリ1 基本カテゴリ2 カテゴリC カテゴリA カテゴリB カテゴリD カテゴリE 記事A 記事B

21. BVG法 BVG法は次の式で与えられる 𝐼（𝑤𝑖, 𝑣𝑖）=l=1n1d(tl) dtl=２tl （G={W,V,E} ，𝑤𝑖∈𝑊 ，𝑣𝑖∈𝑉，tl：𝑤𝑖から𝑣𝑖へのホップ数） 先程の例では𝐼𝐴,1=12𝟑+12𝟒+12𝟒 = 0.25 I(A,2)についても同様に行う．

22. システムの設計（意味付与） ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ ⑨ ⑩ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ①単語 ②単語の原形 ③POS ④チャンク ⑤生物学用語 ⑥最出文字種類 ⑦単語の後ろ3文字 ⑨tf-idf ⑩Wikipediaカテゴリ 22

23. システムの設計（表記を用いたもの） 電子カルテを解析するにはどうするか？（CRFのための特徴付け） ①自然言語処理を用いて形態素解析を行う ただし分かち書きはされているので主に品詞付け ②辞書を用いて分かち書きされた単語に，意味を付与する． ③表記を利用した物 23

24. システムの設計（表記を用いたもの） 分かち書き後の単語から直接判断 単語の後ろ3文字（3文字以下は$） 分かち書き後 の電子カルテ 単語が含む文字の種類 ｛アルファベット(W)，数字(F)，記号(S)｝ 最も多く含む種類と単純に含んでいる全てもの 単語のtf-idf値（順位で*を用いて表現） 24

25. システムの設計（最終的な形） ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ ⑨ ⑩ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ①単語 ②単語の原形 ③POS ④チャンク ⑤プロテインタイプ ⑥最出文字種類 ⑦単語の後ろ3文字 ⑨tf-idf ⑩Wikipediaカテゴリ 25

26. ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ 学習用 電子カルテ 評価用 電子カルテ 解析済学習 コーパス 解析済評価用コーパス モデル CRF CRF 結果 実験環境 26

27. 本日の発表の流れ 研究概要・目的 研究背景（自然言語処理と機械学習） システムの概要 システム設計 実験結果と考察 結論 27

28. 実験環境 表 各データセットの大きさ 表 各データセット中のコンセプト毎の正解数 28

29. 実験環境 評価方法 適合率=システムが解答したうちの正解数システムが解答したもの 再現率=システムが解答したうちの正解数テストファイル全体の正解数 F値=21適合率+1再現率 29

30. 実験結果 表 単語のみを特徴とした場合（ベースライン） 表 上記で述べた特徴で学習を行った場合 30

31. 実験結果 表 上記二つの表を比較した結果 結果的に精度（F値）0.0494だけ上昇． しかしコンセプトによって再現率・適合率・F値の変化が異なる． 31

32. 考察 全ての値が上昇していればいいがProblemの適合率が下がっている ->不正解のものが増えた．不正解の中の33%は部分的な間違いで他のコンセプトに比べ多い． かつコンセプトごとに上昇値が違ってた ->特徴を画一的に加えるのではなく，コンセプトごとに検討する必要性がある． 32

33. 本日の発表の流れ 研究概要・目的 研究背景（自然言語処理と機械学習） システムの概要 システム設計 実験結果と考察 結論 33

34. まとめ 概要：電子カルテからの機械学習を用いた医療用語抽出 目的：医師の診断補助 結果：F値が0.77．ベースラインと比較し0.049だけ上昇 34

35. 結論-今後の課題- 精度上昇に向けた課題： コンセプトに合わせた特徴選択 ->例えばWikipediaのカテゴリを基底カテゴリではない物に変更する． コンセプトごとに扱っている事象が違っているので，検討の余地はある． 新たな特徴の発見 ->今回用いていないUMLS（医療辞書など）を用いる． 35

36. 結論-今後の課題- 精度を上げること以外にも： 最適特徴選択／発見の為のフレームワーク 多言語（日本語・ドイツ語）への適用 システムの使いやすさ等 導入に向けての問題は山積している． 36

37. 知能数理研 石原健太 卒研発表 ありがとうございました． 37