面向誤診提示的疾病-癥狀語義網(wǎng)構(gòu)建

黃 嵐，紀(jì)林影，姚 剛，翟睿峰，白 天

(1.吉林大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院，長春 130012；2.吉林大學(xué) 符號計算與知識工程教育部重點實驗室，長春 130012；3.吉林大學(xué) 軟件學(xué)院，長春 130012；4.吉林大學(xué)第二醫(yī)院 神經(jīng)內(nèi)科，長春 130041；5.長春理工大學(xué) 電子信息工程學(xué)院，長春 130022)

0 引 言

誤診[1]是臨床診療中的一種常見現(xiàn)象。它造成的后果程度不一，輕者增加病人身心痛苦，延遲康復(fù)時間，重則危及生命，是醫(yī)療事故和醫(yī)療糾紛的主要原因之一。在臨床診斷過程中,由于人們認(rèn)識水平的局限性和疾病變化的復(fù)雜性,醫(yī)生的初診結(jié)果與疾病的實質(zhì)不相符的現(xiàn)象時有發(fā)生，隨著科學(xué)技術(shù)的進(jìn)步和現(xiàn)代醫(yī)學(xué)的發(fā)展,臨床中不斷引入各種現(xiàn)代化的檢查儀器,使得診斷手段有了很大進(jìn)步,然而臨床誤診率并沒有因此下降[2]。根據(jù)粗略統(tǒng)計,疾病誤診率仍為10%～15%[3]。

誤診的最主要原因是相似癥狀的混淆。癥狀是臨床診斷的主要依據(jù)，容易誤診的疾病通常是由于其癥狀相似。易誤診疾病及癥狀的知識大量存儲在各種書籍文獻(xiàn)和開放的網(wǎng)絡(luò)數(shù)據(jù)庫中。因此，整合相關(guān)知識源，構(gòu)建一個“疾病-癥狀”知識系統(tǒng)對疾病診斷過程中可能發(fā)生的誤診作出提示，對提升臨床診斷效果有重要意義。

近年來，生物醫(yī)學(xué)知識表示領(lǐng)域取得了一系列的進(jìn)展：①結(jié)構(gòu)化生物醫(yī)學(xué)知識的表示及發(fā)現(xiàn)。本體是一種重要的結(jié)構(gòu)化知識表示方法，是共享概念模型的明確的形式化規(guī)范說明，它的主要功能是實現(xiàn)知識的共享和復(fù)用[4]。一些主要領(lǐng)域的本體已經(jīng)建立，如基因本體[5]、疾病本體[6]、人類表型本體[7]。②非結(jié)構(gòu)化生物醫(yī)學(xué)知識的表示及發(fā)現(xiàn)。近些年，大量生物醫(yī)學(xué)信息和知識以學(xué)術(shù)論文、醫(yī)學(xué)教科書、病例報告等半結(jié)構(gòu)化和非結(jié)構(gòu)化表示形式在互聯(lián)網(wǎng)上發(fā)表。劉彥斌等[8]針對語義生物信息庫整合領(lǐng)域，解決了數(shù)據(jù)資源的鏈接問題。Mohammed等[9]通過構(gòu)建疾病與癥狀之間的關(guān)系，將疾病本體與癥狀本體整合在一起。Cheng等[10]通過建立疾病相關(guān)數(shù)據(jù)庫的語義關(guān)系來整合關(guān)于人類疾病的各種知識源。Huang等[11]設(shè)計了一種基于網(wǎng)絡(luò)的算法，從多種生物醫(yī)學(xué)語料庫中抽取了疾病與基因的關(guān)系。Bai等[12]通過連接多種生物醫(yī)學(xué)本體與知識源構(gòu)建了一個混合的生物醫(yī)學(xué)知識網(wǎng)絡(luò)。然而，在對誤診提示的支持方面仍然存在一些尚未解決的問題。首先，現(xiàn)有的癥狀本體是基于解剖學(xué)的，其概念之間沒有語義上的聯(lián)系，使得癥狀間的相似關(guān)系在本體中沒有得到體現(xiàn)。其次，癥狀與疾病間的關(guān)系存儲在非結(jié)構(gòu)化的文本中，未被抽取出來進(jìn)行結(jié)構(gòu)化的表示。而且，癥狀與疾病間不是簡單的一對一關(guān)系，還存在常見與罕見的區(qū)別。最重要的是，現(xiàn)有醫(yī)學(xué)知識表示系統(tǒng)中都未包含疾病間的鑒別診斷(易誤診)知識。鑒別診斷知識通常存儲在診療手冊等文獻(xiàn)中，尚未結(jié)構(gòu)化地表達(dá)在計算機(jī)系統(tǒng)中，限制了疾病間易誤診知識的直接利用。

綜上，本文構(gòu)建了一個疾病-癥狀語義網(wǎng)(Disease-symptom semantic net，DSSN),其包含了疾病本體DO、癥狀本體及疾病間的易誤診關(guān)系，并通過一個醫(yī)學(xué)診斷中的例子來評估此語義網(wǎng)對于易誤診的提示作用。由于醫(yī)學(xué)文獻(xiàn)(如PubMed等)大多由英文表示，并且目前醫(yī)學(xué)領(lǐng)域已建立的大量本體(如DO)及各種術(shù)語標(biāo)準(zhǔn)(如ICD-10等)都是由英文表示的，因此本文構(gòu)建的語義網(wǎng)也采用英文表示，并將在下一步工作中擴(kuò)展中文版。

1 癥狀本體構(gòu)建

構(gòu)建癥狀本體的步驟為：①從SYMP，Wikipedia, Cleveland Clinic和Mayo Clinic等醫(yī)療領(lǐng)域知識庫中獲取描述癥狀文本的語料庫；②在此語料庫中進(jìn)行癥狀描述詞語的識別，得到盡量豐富的癥狀詞匯候選集；③計算候選集中癥狀詞匯間的語義相似度；④根據(jù)癥狀詞語之間的語義相似度合并相近語義癥狀，建立一個新的癥狀本體。

1.1 語料庫

為了獲得全面、準(zhǔn)確的癥狀詞匯，本文選用SYMP、Wikipedia、Cleveland Clinic和Mayo Clinic作為語料庫。SYMP(Symptom ontology)是一個以解剖學(xué)為基礎(chǔ)的癥狀本體，包含936個癥狀；Wikipedia中包含了以ICD-10為標(biāo)準(zhǔn)的全部疾病的百科知識頁面，其中每個疾病都包含了其常見和罕見的癥狀描述；Cleveland Clinic和Mayo Clinic是美國頂尖的綜合醫(yī)療機(jī)構(gòu)，集醫(yī)療服務(wù)、學(xué)術(shù)研究及教學(xué)于一體，其各自網(wǎng)站上都建立了疾病相關(guān)診療知識的知識庫，包含各種疾病的癥狀描述。本文使用SYMP中的癥狀詞匯，并分別提取Wikipedia, Cleveland Clinic和Mayo Clinic中關(guān)于疾病癥狀描述部分的文本作為癥狀識別的語料庫。

1.2 癥狀詞匯識別

生物醫(yī)學(xué)注釋工具，如NCBO annotator[13]和MetaMap[14]，可以高精度地注釋與疾病和癥狀相關(guān)的術(shù)語。然而，在本文選用的語料庫中，大量相關(guān)的詞匯并不是出自現(xiàn)有疾病、癥狀等本體，甚至有些不是由單獨的單詞構(gòu)成，所以不能被傳統(tǒng)的注釋工具完全識別。為了全面、準(zhǔn)確地提取所有癥狀詞匯，本文預(yù)先把文本語料庫分為結(jié)構(gòu)化語料(本體)和非結(jié)構(gòu)化語料(文本)。對于這兩種類型的語料，癥狀詞匯識別流程為：①對于結(jié)構(gòu)化語料，將之直接放入癥狀詞匯候選集中；②對于非結(jié)構(gòu)化語料，首先，使用Porter Stemmer算法[15]，在文本中提取與癥狀詞匯候選集中詞匯具有相同詞根的詞匯；然后，使用基于WordNet[16]的英語詞匯相似度計算算法，進(jìn)行特征提取，計算特征值，以此來提取文本中與候選集中詞匯語義相似度高的詞匯；最終，識別出文本中所有的癥狀詞匯，圖1為從Wikipedia中腦炎(encephalitis)的癥狀描述部分中識別出癥狀詞匯。至此，本文就獲得了擴(kuò)充的癥狀詞匯候選集，共為2250個。

圖1 癥狀詞匯識別結(jié)果Fig.1 Result of symptom words recognition

1.3 同義癥狀合并

不同語料庫對于同一種現(xiàn)象描述的詞匯可能是不同的，例如對于“麻痹”這個癥狀，就有“paralysis”、“numbness”和“palsy”，為了統(tǒng)一表示相同意義的癥狀描述詞匯，本文對癥狀描述詞匯進(jìn)行同義詞合并處理。分為兩步：①在癥狀語料中，對于同一癥狀有不同的描述，往往用括號注釋，例如：difficulty swallowing(dysphagia)，所以，首先識別文本中所有此類形式的同義詞。②通過基于WordNet的英語詞匯相似度計算算法[16]，計算詞匯間相似度值，并以此識別詞庫中有著相同或相近語義的癥狀描述詞匯，合并同義癥狀。

1.4 癥狀本體構(gòu)建

已有的癥狀本體SYMP是基于解剖學(xué)構(gòu)建的，例如把癥狀分為腹部癥狀、心血管系統(tǒng)癥狀、消化系統(tǒng)癥狀、神經(jīng)系統(tǒng)癥狀和泌尿系統(tǒng)癥狀等，將癥狀與解剖學(xué)名詞關(guān)聯(lián)，如腹部絞痛、胸部充血。而在本文要建立的癥狀本體中，概念間的層級構(gòu)建是基于癥狀詞匯間的語義關(guān)系。

前文已經(jīng)進(jìn)行了同義癥狀合并，得到了癥狀詞匯的同義詞(別稱Xref)。這些同義癥狀在所構(gòu)建的癥狀本體中由一個概念(節(jié)點)表示。而表示相近癥狀描述的詞語，根據(jù)其詞根等詞法特征以及語義范疇特征，建立這些相近癥狀詞匯在語義上的“is-a”關(guān)系。例如：“痙攣”在癥狀本體中記為spasm(cramp)，其子類(近義詞)為muscle spasms，superimposed spasms和involuntary spasms。

2 疾病-癥狀語義網(wǎng)構(gòu)建

2.1 疾病-癥狀關(guān)系抽取

癥狀的出現(xiàn)往往源自于某一疾病，疾病與癥狀之間的關(guān)聯(lián)關(guān)系是臨床診斷中的重要參考。疾病-癥狀關(guān)系抽取方法如下：首先，在Wikipedia, Cleveland Clinic和Mayo Clinic中獲取描述某種疾病癥狀的文本；然后，基于擴(kuò)充的癥狀詞匯候選集，識別此段文本中的所有癥狀詞語；最后，將提取的癥狀詞匯關(guān)聯(lián)到具體疾病，即建立癥狀-疾病間的關(guān)系“has symptom”。如圖1所示，從Wikipedia中關(guān)于腦炎(Encephalitis)的癥狀描述文本中,提取了其中的癥狀詞匯：acute onset of fever，headache，confusion，seizures，irritability，poor appetite，ever，drowsy，confused，stiff neck。從而，將腦炎與其癥狀連接起來。由此，建立所有疾病與癥狀的簡單關(guān)系“has symptom”。

疾病與癥狀不完全是簡單的一對一的關(guān)系，對于某種疾病，有些癥狀是常見的，有些癥狀是罕見的。本文除了建立“has symptom”這種疾病與癥狀間的簡單關(guān)系外，將其常見或罕見程度的關(guān)系也提取并建立到疾病-癥狀語義網(wǎng)中。方法如下：首先在語料文本中獲取描述頻率的詞語，本文確定了如表1所示的10余個描述癥狀頻率的詞匯。在語料文本中先定位到這些描述頻率的詞匯，再依據(jù)擴(kuò)充的癥狀詞匯候選集，提取同一句子中的癥狀詞匯。依此可以確定某種疾病中該癥狀發(fā)生的頻率，并將其建立到疾病與癥狀的關(guān)系中。

本文在SYMP, Wikipedia, Mayo Clinic, Cleveland Clinic中提取了363個頻率詞語，如表1所示。通過對臨床醫(yī)生的咨詢，依據(jù)頻率詞語把癥狀分為3類： “most”，“most common”，“common”，“usually”，“often”，“≥10%”描述的癥狀是“常見癥狀”；“sometimes”，“l(fā)ess commonly”，“l(fā)ess often”，“3%～10%”描述的癥狀是“一般癥狀”；“occasionally”, “rare”，“≤3%”描述的癥狀是“罕見癥狀”。

表1 頻率提取結(jié)果Table 1 Results of frequency extraction

2.2 疾病間易誤診關(guān)系的獲取及建立

疾病間的易誤診(鑒別診斷)知識，是構(gòu)建疾病-癥狀語義網(wǎng)的核心。對疾病的誤診使很多本不嚴(yán)重的病情，因為延誤了治療時機(jī)而帶來了不良后果，易誤診知識對于疾病的診斷是必不可少的，所以本文在疾病-癥狀語義網(wǎng)中涵蓋了這種知識。

對于疾病易誤診關(guān)系的獲取，本文選用經(jīng)典診療手冊《Current essentials of medicine》[17]作為知識源。書中描述了561種常見疾病的“診斷要點”和“鑒別診斷”信息，本文以此建立疾病間的易誤診關(guān)系。再將這種關(guān)系及鑒別診斷信息建立到疾病-癥狀語義網(wǎng)中，使得此語義網(wǎng)中的疾病根據(jù)易誤診關(guān)系相互關(guān)聯(lián)，構(gòu)成了在醫(yī)療診斷中進(jìn)行誤診提示的知識庫。如圖2所示，以偏頭痛(migraine)為例，首先，在書中獲取關(guān)于偏頭痛的頁面，依據(jù)“鑒別診斷”文本，獲取其易誤診疾病為：叢集性頭痛(cluster headache)、腦膜炎(meningitis)、蛛網(wǎng)膜下腔出血(subarachnoid hemorrhage)等疾??；并依據(jù)“診斷要點”文本，獲取到其鑒別診斷的描述性信息；最后，將此易誤診關(guān)系及鑒別診斷信息建立到疾病-癥狀語義網(wǎng)中。

圖2 偏頭痛易誤診疾病間關(guān)系，鑒別診斷知識的獲取及建立Fig.2 Acquisition and construction of misdiagnosed diseases and differential diagnosis of migraine headache

2.3 疾病-癥狀語義網(wǎng)的建立

本文使用Protégé[18]構(gòu)建了一個包含疾病本體、癥狀本體以及疾病之間易誤診關(guān)系的疾病-癥狀語義網(wǎng)。

OWL類定義：類為疾病、癥狀詞匯。

OWL對象屬性定義：對象屬性代表類之間的關(guān)系，本文疾病與癥狀間對象屬性分為“has symptom(A)”、“has symptom: common(B)”、“has symptom:general(C)”、“has symptom:rare(D)”以及疾病間的“is misdiagnosed as(E)”(易誤診)共5種，如表2所示。對于每一種對象屬性，都有特定的范圍和領(lǐng)域。

根據(jù)以上OWL定義，本文基于語義概念及其關(guān)系建立了疾病-癥狀語義網(wǎng)，其中有965個疾病詞匯，2250個癥狀詞匯，共3215個概念。此語義網(wǎng)中，含有疾病-癥狀間的關(guān)系、疾病-疾病間的易誤診關(guān)系及鑒別診斷知識，所建立的DSSN的部分網(wǎng)絡(luò)如圖3所示。該語義網(wǎng)中表示了疾病之間的易誤診關(guān)系，以及易誤診疾病之間癥狀的異同。圖4為易誤診疾病偏頭痛(migraine headache)和叢集性頭痛(cluster headache)，以及兩者間的各自癥狀區(qū)別。

表2 對象屬性描述Table 2 Description of object properties

圖3 疾病-癥狀語義網(wǎng)Fig.3 Disease-symptom semantic net

圖4 DSSN中易誤診疾病例子Fig.4 Example of misdiagnosed disease in DSSN

3 DSSN在誤診提示中的應(yīng)用

相似癥狀的混淆是誤診發(fā)生的主要原因，鑒別診斷是防止和減少誤診發(fā)生的關(guān)鍵。為了快速、準(zhǔn)確地對疾病進(jìn)行區(qū)分和提示，必須要清晰地知道易誤診疾病間的不同癥狀和鑒別診斷知識?；贒SSN中疾病-癥狀間的關(guān)系、疾病-疾病間易誤診關(guān)系及鑒別診斷知識，可以對醫(yī)療診斷中的誤診進(jìn)行提示。

闌尾炎(appendicitis)是最常見的外科急腹癥之一，在臨床實踐中往往會出現(xiàn)誤診、誤治現(xiàn)象，其誤診率約為9%～36%，大約15%的闌尾炎手術(shù)為誤切正常闌尾[19]。本文以闌尾炎為例，說明DSSN如何支持醫(yī)療診斷中的誤診提示。

基于DSSN，可以在臨床輔助診療系統(tǒng)中加入誤診提示模塊。下面以一個用例來說明誤診提示模塊的應(yīng)用。假設(shè)醫(yī)生對某位患者的初步診斷為闌尾炎，為防止誤診發(fā)生，他可以使用誤診提示模塊在DSSN中通過檢索闌尾炎相關(guān)易誤診知識來降低誤診發(fā)生的概率。如圖5所示，在DSSN中獲取闌尾炎的癥狀為右下腹痛、發(fā)燒、嘔吐、便秘和臍周痛，其易誤診疾病為胃腸炎、胰腺炎、膽囊炎和異位妊娠。以上所列癥狀和易誤診疾病對臨床醫(yī)生的診斷是一個提示，在所列出的易誤診疾病中，若醫(yī)生認(rèn)為胃腸炎也有潛在可能，他可以通過點擊“胃腸炎”來返回當(dāng)前初步診斷疾病“闌尾炎”與“胃腸炎”在癥狀上的異同，即闌尾炎與胃腸炎的相同癥狀及獨有癥狀，如圖6所示。它們相同癥狀為腹痛、嘔吐、發(fā)燒，闌尾炎的獨有癥狀為便秘、右下腹痛和臍周痛，胃腸炎的獨有癥狀為腹瀉和彌漫性疼痛。依此，醫(yī)生就可以根據(jù)患者的具體情況作出鑒別診斷。綜上，基于DSSN的易誤診模塊，能夠可視化地展現(xiàn)疾病及其易誤診疾病的癥狀，對醫(yī)生在醫(yī)療診斷中進(jìn)行誤診提示，從而降低誤診發(fā)生的概率。

圖5 闌尾炎的癥狀及其易誤診疾病Fig.5 Symptoms of appendicitis and its misdiagnosed diseases

圖6 闌尾炎和胃腸炎的相同及獨有癥狀Fig.6 Same symptoms and unique symptoms between appendicitis and gastroenteritis

4 結(jié)束語

臨床診斷中誤診現(xiàn)象十分普遍，其主要原因是易誤診疾病之間有著相似的癥狀。而疾病之間的易誤診關(guān)系，以及不同疾病之間癥狀的區(qū)別等知識在各種醫(yī)療文獻(xiàn)中已經(jīng)大量存儲。本文通過構(gòu)建一種疾病-癥狀語義網(wǎng)(DSSN)，將這些知識結(jié)構(gòu)化地表達(dá)在語義網(wǎng)中，即通過對多個醫(yī)學(xué)領(lǐng)域知識庫進(jìn)行自然語言處理和文本挖掘，獲得擴(kuò)充的癥狀詞匯候選集、疾病-癥狀間的關(guān)系以及疾病間的易誤診關(guān)系和知識，并將這些關(guān)系和知識建立成語義網(wǎng)的表達(dá)形式。此外，本文還通過一個用例說明了構(gòu)建的DSSN在臨床輔助診斷系統(tǒng)中對易誤診疾病提示的幫助。

參考文獻(xiàn)：

[1] Balogh E P, Miller B T, Ball J R, et al. Improving diagnosis in healthcare[R]. Washington, DC:The National Academies Press,2015.

[2] 趙會懂. 通過誤診文獻(xiàn)的關(guān)鍵詞詞頻分析看臨床誤診發(fā)生的規(guī)律[J]. 中國醫(yī)學(xué)圖書情報雜志,2010,19(11):73-77.

Zhao Hui-dong. Clinical misdiagnosis rules found in analysis of the frequencies of its key words appeared in misdiagnosis related papers[J]. Chinese Journal of Medical Library and Information Science,2010,19(11):73-77.

[3] Ely J W, Graber M L, Croskerry P. Checklists to reduce diagnostic errors[J]. Academic Medicine,2011,86(3):307-313.

[4] 王俊華,左萬利,彭濤. 面向文本的本體學(xué)習(xí)方法[J]. 吉林大學(xué)學(xué)報:工學(xué)版,2015,45(1):237-244.

Wang Jun-hua, Zuo Wan-li, Peng Tao. Test-orinted ontology learning methods[J]. Journal of Jilin University(Engineering and Technology Edition),2015,45(1):237-244.

[5] Gene O C. The gene ontology (GO) database and informatics resource[J]. Nucleic Acids Research,2004,32(Database):D258-D261.

[6] Schriml L M, Arze C, Nadendla S, et al. Disease ontology: a backbone for disease semantic integration[J]. Nucleic Acids Research,2012,40(Database):D940-D946.

[7] Kohler S, Doelken S C, Mungall C J, et al. The human phenotype ontology project: linking molecular biology and disease through phenotype data[J]. Nucleic Acids Research,2014,42(Database):D966-D974.

[8] 劉彥斌,周春光,張重毅,等. 基于本體的語義生物信息數(shù)據(jù)庫資源鏈接[J]. 吉林大學(xué)學(xué)報:工學(xué)版,2010,40(6):1651-1654.

Liu Yan-bin, Zhou Chun-guang,Zhang Chong-yi, et al. Resource interlinking of semantic bioinformatics database based on ontology[J]. Journal of Jilin University(Engineering and Technology Edition),2010,40(6):1651-1654.

[9] Mohammed O, Benlamri R, Fong S. Building a diseases symptoms ontology for medical diagnosis: an integrative approach[C]∥Proc of the IEEE International Conference on Future Generation Communication Technology,London,2012:104-108.

[10] Cheng L,Wang G H, Li J,et al. SIDD:a semantically integrated database towards a global view of human disease[J]. Plos One,2013,8(10):e75504.

[11] Huang Lan, Wang Ye, Wang Yan, et al. Gene-disease interaction retrieval from multiple sources: a network based method[J]. Biomed Research International,2016,2016(3)：3594517.

[12] Bai Tian, Gong Lei-guang, Wang Ye, et al. A method for exploring implicit concept relatedness in biomedical knowledge network[J]. BMC Bioinformatics,2016,17(9):53-66.

[13] Jonquet C, Shah N H, Youn C H, et al. NCBO annotator: semantic annotation of biomedical data[C]∥Proc of the 8th Int Semantic Web Conf, Poster and Demonstration Session, Berlin,2009:2-3.

[14] Demner-Fushman D, Rogers W J, Aronson A R. MetaMap lite: an evaluation of a new Java implementation of MetaMap[J]. Journal of the American Medical Informatics Association,2017,24(4):841-844.

[15] Porter M F. An algorithm for suffix stripping[J]. Program Electronic Library & Information Systems,2006,14(3):130-137.

[16] Miller G A, Fellbaum C. WordNet then and now[J]. Language Resources and Evaluation,2007,41(2):209-214.

[17] Lawrence Tierney, Saint Sanjay, Whooley Mary. Current Essentials of Medicine[M].4th ed. New York:McGraw-Hill Companies,2011.

[18] Gennari J H, Musen M A, Fergerson R W, et al. The evolution of Protégé:an environment for knowledge based systems development[J]. International Journal of Human-Computer Studies,2009,58(1):89-123.

[19] 孫寶志. 臨床醫(yī)學(xué)導(dǎo)論[M].北京:高等教育出版社，2013.