مروري بر رويكردها و تكنيك‌هاي متن‌ كاوي در مستندات باليني

Review of the Approaches and Techniques of Text Mining in Clinical Documentation

با به كارگيري گسترده سيستم‌هاي الكترونيكي مدارك پزشكي، حجم بسيار زيادي از داده‌هاي متني پزشكي در بيمارستان و ساير محيط‌هاي درماني به صورت روزانه توليد مي‌شوند كه سازمان‌دهي اين اطلاعات متني امري مهم و ضروري است و نياز به بازيابي خودكار دانش مفيد از اين داده‌ها براي كمك به متخصصان باليني كاملاً احساس مي‌شود. به‌منظور استخراج ارزش‌هاي نهفته در مستندات متني پزشكي، مي‌توان از تكنيك‌هاي متن‌كاوي در حوزه سلامت بهره برد. روش: در اين پژوهش مروري پايگاه‌هاي اطلاعاتي Science Direct،‌‌IEEE ، PubMed central، Google Scholar، SID و Magiran با استفاده از كليد واژه‌هاي Text Mining” “ and “Medicine”، “Clinical Text Mining” and “Predict”، “knowledge discovery in medical text ”، “Text Mining for Medical and Healthcare” در پايگاه‌هاي اطلاعاتي انگليسي و از تركيب "متن كاوي و كشف دانش در پزشكي" در پايگاه‌هاي اطلاعاتي فارسي، مورد جستجو قرار گرفتند. سپس، همه مقالاتي كه به نوعي به كشف دانش پزشكي و كاربردهاي متن‌كاوي در حوزه سلامت اشاره داشتند، انتخاب شدند. نتايج: متن‌كاوي از تكنيك‌هاي مهم و قدرتمند براي استخراج اطلاعات از سيستم‌هاي اطلاعات بهداشتي و درماني مي‌باشد. متن‌كاوي داده‌هاي كلينيكي، توان بالقوه‌اي براي اكتشافات جديد و همچنين بهبود كارايي و ارتباطات در سيستم‌هاي بيمارستان براي پزشكان و مديران بيمارستان فراهم مي‌كند. نتيجه‌گيري: متن‌كاوي در مستندات باليني از جمله تكنولوژي‌هاي توسعه يافته كشف دانش پزشكي در عصر حاضر است كه استفاده از آن در پايگاه داده‌هاي پزشكي به‌منظور دستيابي سريع به منابع مهم سلامت، امري انكارناپذير است و به كارگيري آن موجب بهبود مراقب بيمار و كاهش هزينه‌هاي درماني مي‌شود.

Introduction: With the extensive use of electronic medical records systems, a large amount of medical text data is produced daily in the hospitals and other medical environments that organizing this text information is important and necessary. Also, a need to automatically retrieve useful knowledge from this data to help clinicians is felt. In order to extract the hidden values in the medical text documents, text mining can be used in the field of health. Methods: In this review study, SID, Magiran, Pubmed, ScienceDirect, IEEE, and Google Scholar databases were searched with the keywords including "Text Mining” and "Medicine” ،"Clinical Text Mining” and "Predict”،, "knowledge discovery in medical text” and "Text Mining for Medical and Healthcare” in the English databases and keywords such as "text mining” and " Discovering Knowledge in Medicine” in the Persian databases. Then, all articles that somehow refer to Medical knowledge discovery and text mining applications in the field of health were selected. Results: Text mining is one of the important and powerful techniques for extracting information from health information systems. Text mining in clinical data provides potential for new discoveries and it also improves efficiency and communication in hospital systems for doctors and hospital administrators. Conclusion: Nowadays, text mining in clinical documentation, is one of the developed technologies for the discovery of medical knowledge that its use in medical databases is essential to achieving immediate access to important health resources, and its application can improve patient care and reduce medical costs.