Herramienta para búsqueda de casos médicos semejantes

He amien a pa a búsqueda de casos médicos semejan es Facul ad de In o má ica Uni e sidad Complu ense de Mad id Depa amen o de Ingenie ía del So wa e e In eligencia A icial Cu so 2015/2016 Agus ín Pas o e Bu gos Di ec o : Albe o Díaz Es eban i Agus ín Pas o e Bu gos, au o del p esen e documen o y del p oyec o He a- mien a pa a búsqueda de casos médicos semejan es au o iza a la Uni e sidad Complu ense a di undi y u iliza con nes académicos, no come ciales y men- cionando exp esamen e al au o , an o la p opia memo ia, como el código, los con enidos audio isuales incluso si incluyen imágenes del au o , la documen a- ción y/o el p o o ipo desa ollado. 16 de Junio de 2013 Agus ín Pas o e Bu gos i He de ag adece a un g an núme o de pe sonas, sin las que es e abajo no hubie a sido posible. En p ime luga , a Albe o Díaz, di ec o del p oyec o o, po su colabo ación y en usiasmo. También a los p o eso es que me han guiado odos es os años, o mándome, y dándome las he amien as que me han pe mi ido llega a donde es oy. Finalmen e, a odos los amigos y amilia es que me han apoyado, p opo cionándome la ayuda que he necesi ado y sopo andome en las peo es épocas. A odos, g acias. iii Resumen Una de las a eas más comunes a las que se en en an los médicos es busca his o iales médicos, una a ea len a y labo iosa que les a eba a iempo ú il. Es e p oyec o in en a educi el iempo dedicado a esa búsqueda pe mi iendo que, a pa i del his o ial médico de un pacien e, se encuen en o os casos simila es den o de la base de da os. Po eso, la base de da os con los documen os clínicos, en lenguaje na u al en cas ellano, ha de se p ocesada con las he amien as p oducidas po es e p oyec o. La aplicación es a di idida en es pa es: la p ime a y la segunda se enca gan de p ocesa los in o mes, di idiendo en campos y hallando los concep- os médicos espec i amen e; la e ce a pa e es la que ealiza las búsquedas de in o mes médicos simila es. Palab as cla e: P ocesamien o del lenguaje na u al, ecupe ación de in o ma- ción, in o me médico, de ección de concep os, buscado , on ología, UMLS, Me aMap, aduc o . Abs ac One o he mos common asks ha he doc o s ace is o look up in medical his o ies, a slow and edious ask ha ake use ull ime away om hem. This p ojec aims o educe he ime dedica ed o hose sea ches, allowing he sea ch o simila medical cases inside he da abase. Fo his eason, he da abase wi h he clinical documen s, in na u al langua- ge in spanish, ha e o be p ocessed wi h he ools de eloped by his p ojec . The aplica ion is di ided in h ee pa s: he  s and second one ake ca e o p o- cessing he epo s, di iding by elds and nding medical concep s espec i ely; he hi d pa is he one ha make he sea ches o simila medical epo s. Keywo ds: Na u al language p ocessing, in o ma ion e ie al, medical epo , concep s de ec ion, sea che , UMLS, Me aMap, ansla o . CAPÍTULO 1. INTRODUCCIÓN 2 con iene a los pacien es que han su ido la misma en e medad. Po ejem- plo: Ca a a as. 2. El segundo ni el es a o mado po los casos médicos. Cada uno de ellos ep esen a el his o ial médico de cada pacien e. 3. El e ce o y úl imo es á o mado po odos los documen os médicos pe ene- cien es a cada pacien e. Es e ni el es el que iene la mayo dicul ad pa a digi aliza , pues hay que unica odos los documen os en un solo a chi o es uc u ado an es de pode con inua con las demás uncionalidades. Ex- is en a ios ipos de documen os, con dis in a es uc u a y o ma o ( a ios o ma os de ex o, incluyendo Mic oso Wo d, y Excel) y que con ienen dis in a in o mación médica (Ci ugía, In o me de Al a, Regis o de En- e me ía, e c). Además, documen os de un ipo se pueden encon a un núme o a iable de eces o no habe ninguno de ese ipo. Todas es ás dicul ades han de supe a se an es de pode ealiza cualquie ipo de ac i idad con la in o mación de los casos médicos. Po o o lado, es e p oyec o aplica el desa ollo conseguido con el T abajo de Sis emas In o má icos de 2012-2013, Ex acción de in o mación de in o mes médicos ealizado po I ene Sánchez Ma ínez, Víc o Ma ínez Simón y Lucía He ás Ma ín bajo la u ela de Albe o Díaz Es eban. En ese p oyec o se cen- a on en ex ae co ec amen e la in o mación de un solo in o me, mien as que en es e el p opósi o es más complejo, pues se p e ende compa a los esul ados as analiza un g an núme o de in o mes médicos, buscando casos pa ecidos en eno mes bases de da os médicas. También ha sido impo an e pa a ealiza es e p oyec o, un a ículo de la Uni e sidad Eu opea de Mad id de 2008 1 , que p e endía desa olla una he - amien a pa a consegui que un se icio de p ocesado de in o mes médicos en inglés ue a compa ible con in o mes médicos en cas ellano. In he De elop- men o a Spanish Me amap ue ealizado po F ancisco Ca e o, José Ca los Co izo, José Ma ía Gómez y Manuel de Buenaga. Y aunque no log a on su p opósi o de desa olla una he amien a que les pe mi ie a usa el se icio de p ocesado de in o mes médicos en cas ellano, si ue on capaces de descub i que u ilizando un aduc o p ác icamen e no pe dían p ecisión al p ocesa los in o mes médicos. 1.2 Obje i os El obje i o p incipal es c ea una he amien a ú il y ácil de usa , que pe mi a aho a les cien os de ho as de abajo supe uo a los médicos y demás expe - os elacionados, e i ando que enga que e isa in o mes médicos en busca de coincidencias. Uno de los p oblemas más impo an es es consegui ex ae la in o mación con éxi o de los in o mes médicos, a eces sepa ados en a ios a chi os. Pa a 1 h p://www.esp.uem.es/jmgomez/pape s/cikm08.pd CAPÍTULO 1. INTRODUCCIÓN 3 es a a ea el obje i o es log a consegui unica oda la in o mación en un solo a chi o. A la ho a de ealiza el p og ama cob a impo ancia que sea capaz de ealiza la misma labo pa a los posibles dis in os o ma os que use un in o me médico. También es impo an e en es e caso, que la congu ación pa a al e a dicho o ma o sea simple y no necesi e de la ayuda de un especialis a en medicina y/o in o má ica. Un ema ambíén impo an e es el idoma en el que se encuen e la in o - mación del in o me. Inglés es el idioma más hablado, y en el que uncionan las he amien as de analisis médicas, pe o el cas ellano es necesa io pa a las posibles aplicaciones locales de la aplicación, es deci , pa a el hospi al que se ha in e esado po es a he amien a. Pa a de iba las ba e as del idioma se usa un aduc o , con un impac o muy educido en la p ecisión de la aplicación. No hay que ol ida que los da os pueden es a almacenados en dis in os o ma os, y, pa a simplica el uso del p og ama, se ía ecomendable que ue an compa ibles el mayo núme o de ellos, dándole p io idad a los popula es .doc y .docx, además de al más especializado .xml. Po an o el obje i o cen al de es e p oyec o es consegui o ganiza los da os pa a c ea una base de da os que pe mi a busca in o mes pa ecidos. Pa a consegui es e obje i o, p ime o se in en a á c ea un p o o ipo que haga uso de alguna he amien a de indexación simple pa a p oba la iabilidad de la aplicación, a la ez de p opo ciona un p og ama de p ueba pa a posibles in e esados. T as es o, el obje i o pasa á a se un p og ama más a anzado que an eponga abilidad a elocidad. Dado que el usua io medio de la aplicación ca ece de conocimien os in o - má icos a anzados, es necesa io inclui en los obje i os una in e az simple y cla a. Se di idi a la uncionalidad de la aplicación en es ases, las dos p ime as pa a p ocesa el ex o y la e ce a pa a ealiza las búsquedas: 1. P e-p ocesa la in o mación en los casos médicos pa a ob ene una e e - encia es uc u ada de su con enido. 2. P ocesa los campos de los documen os médicos p e-p ocesados, aduciendo la in o mación al inglés y usando un se icio ex e no pa a ob ene los con- cep os médicos en el ex o. 3. Búsqueda en e los dis in os casos médicos, o mados po concep os médi- cos, pa a halla los más simila es. 1.3 Es uc u a del documen o Es a memo ia es á di idida en di e sos apa ados, explicados en de alle a con- inuación: CAPÍTULO 1. INTRODUCCIÓN 4 1. In oducción : Resume los mo i os que han inuenciado la c eación de es e p oyec o, además de los obje i os que se planean esol e con su ealización. 2. Es ado de la Cues ión : Desc ibe el es ado ac ual de desa ollo en las á eas a las que a ec a el p oyec o, incluyendo las ecnologías usadas en el mismo. 3. P ocesado de In o mes : En es e apa ado se explica en p o undidad el p ocesado de los in o mes médicos y las dis in as e apas de las que es a compues o. 4. Indexación y búsqueda en in o mes p ocesados : Se explica de al- ladamen e como unciona la búsqueda de in o mes médicos simila es. 5. Conclusiones y abajo u u o : Aquí incluyo mis conclusiones as e mina de desa olla el p oyec o, incluyendo posibles desa ollos u u os que pod ía ene la aplicación. Capí ulo 2 Es ado de la Cues ión 2.1 In oducción En es e capí ulo mues o el es ado ac ual de las ecnologías elacionadas con es e p oyec o, an o las que ba ajé en las p ime as e apas de la aplicación, las que es án p esen es en el esul ado nal y aquellas aplicaciones con uncionalidades pa ecidas. Se pueden di idi en las siguien es ca ego ías: • P ocesado On ologías: Siendo que el p ime equisi o de la aplicación es se capaz de p ocesa in o mes médicos pa a pode hace compa aciones en e ellos y busca simila es, las on ologías juegan un papel cla e en la aplicación. La ex acción y ep esen ación de la in o mación médica en un o ma o comp ensible es in- dispensable, po lo que in es igue las mejo es al e na i as y las uncionalidades de cada una. SNOMED-Clinical Te ms (SNOMED-CT) y Unied Medical Lan- guage Sys em (UMLS) son algunas de ellas. Me amap: es una una he amien a que pe mi e iden ica los concep os de UMLS p esen es en un ex o, una uncionalidad c í ica. Además, sumado a o as unciones ú iles, como la posibilidad de expandi ac ónimos o la desam- biguación de concep os médicos, le cone en g an impo ancia en es e p oyec o. T a ándose de in o mes médicos, la ex acción de in o mación ha de se lo más p ecisa posible. Pa a ello es udié la posibilidad de inclui uncionalidades pa a de ec a allos o og ácos, negaciones y especulaciones. T aduc o : Pa a pode u iliza la he amien a Me aMap es necesa io que el ex o de en ada es é en inglés o c ea una base de da os médica que uncione en la e sión local de Me aMap y que es é en cas ellano. Siendo que Me aMap unciona econociendo concep os médicos, el núme o de e o es po usa un ex o aducido es mínimo. ApachePOI: Pa a pode simplica el uso de la aplicación, incluí la un- cionalidad de pode lee che os .doc, el o ma o en el que es aban gua dados los in o mes médicos. Pa a ello u ilice la API de Apache POI. 5 CAPÍTULO 2. ESTADO DE LA CUESTIÓN 6 • Búsqueda Lucene: La indexación de in o mes médicos y la búsqueda po simila idad es el p opósi o nal de es e p oyec o y la azón po la que es an impo an e la p ecisión de la in o mación ex aída. En es e apa ado se incluyen las ecnologías disponibles y el uso de cada una du an e la e olución de la aplicación. 2.2 On ologías y e minologías biomédicas En el campo de la in o má ica, la in eligencia a icial y los sis emas basados en conocimien o podemos deni una on ología como una ep esen ación o mal de un conocimien o compa ido que apo a un mayo ni el de in o mación so- b e un dominio de e minado que un simple dicciona io o conjun o de é minos o deniciones. Pa a una denición más conc e a p oponemos a con inuación algunas de las cuáles han sido dadas a lo la go del iempo: • Una on ología dene los é minos básicos y las elaciones que componen el ocabula io de un á ea emá ica, así como las eglas pa a combina dichos é minos y elaciones con el n de deni ex ensiones del ocabula io. • Es una especicación explíci a de una concep ualización. • Un conjun o de axiomas lógicos diseñados pa a explica el signicado p e- endido de un ocabula io. • Una e minología es, den o de las di e en es disciplinas cien íco- écnicas, el conjun o de las unidades de exp esión y comunicación que pe mi en ans e i y comunica el pensamien o especializado. Una e minología pe sigue el obje i o de ja unas unidades e minológicas como o mas no malizadas y de e e encia que desca an las demás a ian es pa a de- nomina un mismo concep o con el n de alcanza una comunicación p o- esional p ecisa, mode na y uní oca. 2.2.1 SNOMED-CT SNOMED-CT o Sys ema ized Nomencla u e o Medicine Clinical Te ms 1 es una ex ensa e minología clínica de a ención médica, disponible en a ios idiomas y usada en la ac ualidad po más de cincuen a países. Nace de la usión en e SNOMED RT desa ollada po el College o Ame ican Pa hologis s (CAP) y el Clinical Te ms Ve sion 3 (CTV3) desa ollada po el Na ional Hea h Se ice (NHS) de Reino Unido. En 2007 los de echos de p opiedad in elec ual ue on ans e idos a la In e - na ional Heal h Te minology S anda ds De elopmen O ganisa ion (IHTSDO) quien se enca ga de su man enimien o y dis ibución hoy en día. 1 h p://www.ih sdo.o g/snomed-c / CAPÍTULO 2. ESTADO DE LA CUESTIÓN 7 2.2.1.1 Componen es Los p incipales componen es de SNOMED-CT son los concep os, las desc ip- ciones y las elaciones. • Concep os Los concep os ep esen an como su p opio nomb e indica concep os o ideas clínicas. Cada uno iene un iden icado numé ico único (Concep ID). Es án o ganizados en je a quías que an de lo gene al a lo especíco a medida que se desciende en ellas. • Desc ipciones Un concep o puede ene más de una desc ipción asociada, cada una ep esen- ando un sinónimo que desc ibe la misma idea. • Relaciones Las elaciones pe mi en asocia a un concep o o os concep os cuyo signicado es á elacionado. La elación más impo an e es la llamada es un que dene la mencionada je a quía en e concep os. O os ejemplos son agen e causal, si io de hallazgo o mo ología asociada. Exis en cua o ipos de elaciones: deni o ias, calicado as, his ó icas y adicionales. 2.2.2 UMLS UMLS o Unied Medical Language Sys em 2 es un conjun o de a chi os y so - wa e que eúne g an can idad de ocabula ios biomédicos y de salud, y los es ánda es que dan la posibilidad de que dis in os sis emas in o má icos ope en en e sí. Fue desa ollado po la Na ional Lib a y o Medicine (NLM) a ando de supe a dos impo an es ba e as ela i as a la ecupe ación e ec i a de in- o mación po pa e de máquinas: 1. La p ime a de ellas es la a iedad de o mas en que unos mismos concep os se exp esan en di e en es uen es legibles po máquinas y pe sonas. 2. La segunda es la al a de un o ma o es ánda pa a dis ibui y di undi e minologías. 2.2.2.1 Es uc u a Exis en es p incipales uen es de conocimien o de UMLS: el Me a esau o, la Red Semán ica y el Lexicón Especializado y He amien as Léxicas. • Me a esau o 2 h p://www.nlm.nih.go / esea ch/umls/ CAPÍTULO 2. ESTADO DE LA CUESTIÓN 8 Fuen e www.nlm.nih.go Figu e 2.1: Po cen aje que ep esen a cada una de las ca ego ías del Me a esau o UMLS. El Me a esau o 3 es una base de da os de ocabula io mul i-p opósi o y mul i- lenguaje que con iene in o mación sob e concep os elacionados con la biomedic- ina y la salud, sus dis in os nomb es y las elaciones en e ellos. Engloba más de un millón de concep os biomédicos y más de 100 uen es de ocabula io, en e las que se encuen an MeSH 4 , RxNo m 5 y SNOMED-CT 6 y si e de apoyo a la ho a de c ea asignaciones en e ellos, pe o no p e ende eemplaza los. Exis en a ias ca ego ías pa a clasica los ocabula ios. Algunos pueden pe enece a más de una ca ego ía. Cuando un concep o es añadido al Me a esau o ecibe un iden icado único y es si uado en su es uc u a. Es a es uc u a iene cua o ni eles de especi- cación: 1. Concep Unique Iden ie s (CUI) o iden icado es únicos de concep o. Es a án o mados po la le a C seguida de sie e dígi os. Un concep o es un signicado. Un signicado a su ez puede ene di e en es nomb es. Los obje i os cla e son comp ende el signicado del nomb e en cada uen e de ocabula io y incula odos los sinónimos. Un CUI po an o se asocia con los denominados concep os, cada conjun o de concep os sinónimo es a á ag upado bajo el mismo CUI. 2. Lexical Unique Iden ie s (LUI) o iden icado es únicos de léxico. Es a án o mados po la le a L seguida de sie e dígi os. Enlazan cadenas que son a ian es léxicas. Dichas a ian es léxicas son de ec adas u ilizando 3 h p://www.nlm.nih.go / esea ch/umls/knowledge_sou ces/me a hesau us/index.h ml 4 h p://www.nlm.nih.go /mesh/meshhome.h ml 5 h p://www.nlm.nih.go / esea ch/umls/ xno m/index.h ml 6 h p://www.nlm.nih.go / esea ch/umls/Snomed/snomed_main.h ml CAPÍTULO 2. ESTADO DE LA CUESTIÓN 9 el Lexical Va ian Gene a o (LVG) una de las he amien as de UMLS. Un LUI se asocia con los llamados é minos, un conjun o de nomb es no malizados end á asignado el mismo LUI. 3. S ing Unique Iden ie s (SUI) o iden icado es únicos de cadena. Es a án o mados po la le a S seguida de sie e dígi os. Cada nomb e de concep o único en cada lenguaje del Me a esau o end á asociado un SUI. Cualquie a iación en el conjun o de dichos ca ac e es supone una cadena di e en e con un SUI di e en e. 4. A om Unique Iden ie s (AUI) o iden icado es únicos de á omos. Es a án o mados po la le a A seguida de sie e dígi os. Son el componen e básico del la es uc u a y cada ez que se p esen a una nue a cadena en un ocabula io, a es a se le asigna un AUI. Si la misma cadena apa ece a ias eces en el mismo ocabula io como un nomb e al e na i o pa a di e en es concep o, un AUI único se á asignado pa a cada caso. Un AUI se asocia con cada nomb e de concep o de cada uen e de e minada. A con inuación p oponemos un ejemplo, acompañado po la gu a 2.2, pa a acili a la comp esión de lo an e io men e explicado. En el ejemplo p opues o con amos con cinco cadenas de ca ac e es apo adas po cua o uen es de ocabula io (BI, SNOMED, MeSH y DX). Tal como es de espe a , se puede comp oba cómo a cada nomb e de concep o de cada uen e de ocabula io de e minada, se le asocia un AUI. An e io men e hemos mencionado que cada nomb e de concep o ( eniendo en cuen a cualquie a iación en los ca ac e es) end á asignado un SUI. En es e caso, con amos con cua o nomb es di e en es: headaches, Headache, C anial Pain y HEAD PAIN CEPHALGIA, ob eniendo así cua o iden icado es únicos de cadena. Así pues, pasamos al ni el inmedia amen e supe io en la es uc u a, el LUI. Dado que bajo un mismo LUI se ag upa un conjun o de nomb es no malizados, end íamos es LUI. El p ime o se á pa a la no malización de los nomb es head y Headache, el segundo pa a la no malización de C anial Pain y el úl imo pa a la no malización de HEAD PAIN CEPHALGIA. Po úl imo hemos dicho que bajo un CUI se ag upan concep os sinónimos. Así pues pa a los dos LUI mencionados an e io men e se ia asignado un único CUI, Headache. Po o o lado es impo an e des aca que, debido a su olumen, pa a pode u iliza de mane a e ec i a el Me a esau o en una aplicación local, debemos pe sonaliza lo limi ando los ocabula ios, lenguajes elaciones o a ibu os a usa , ya que no se á habi ual que equi amos los se icios de odos ellos. Pa a es e n debemos u iliza Me amo phoSys. CAPÍTULO 2. ESTADO DE LA CUESTIÓN 10 Figu e 2.2: Iden icado es a lo la go de la es uc u a del Me a esau o pa a el concep o Headache Fuen e: www.nlm.nih.go 2.2.2.2 Me amo phoSys Me amo phoSys 7 es una he amien a mul i-pla a o ma que la NLM ac ualiza e incluye en cada publicación de UMLS. Su nalidad es da al usua io la posi- bilidad de c eación de un subconjun o pe sonalizado del Me a esau o, siendo además necesa ia pa a ins alación de mane a local de las uen es de conocimien o de UMLS. Podemos es a in e esados en abaja con subconjun os de Me a esau o debido a dos mo i os p incipales: 1. El p ime o se de i a del amaño del p opio Me a esau o: no se á habi ual que equi amos el uso de oda la in o mación almacenada o iginalmen e en él. Po o o lado, cie as uen es de ocabula io equie en licencias especiales pa a usos especícos y puede que no es emos in e esados en adqui i dichas licencias. 2. El segundo es que el usua io puede que e modica el o ma o de los da os de salida o aplica les di e sos l os. La salida p opo cionada po Me amo phoSys consis i á en un conjun o de a chi os Rich Release Fo ma (RRF) u O iginal Release Fo ma (ORF). Además al c ea 7 h p://www.nlm.nih.go / esea ch/umls/implemen a ion_ esou ces/me amo phosys/index.h ml CAPÍTULO 2. ESTADO DE LA CUESTIÓN 11 un conjun o del Me a esau o o ins ala la Red Semán ica se pod án gene a sc ip s pa a se ca gados po MySQL, O acle o Mic oso Access. 2.3 Me amap Me aMap 8 es un so wa e desa ollado po el D . Alan A onson en la NLM de Es ados Unidos que cuen a con múl iples opciones de congu ación y pe mi e mapea o asocia é minos que apa ecen en un ex o biomédico. Los é minos se asocian con concep os del Me a esau o UMLS. Se u iliza en oque basado en el PLN y en écnicas lingüís icas. Además de se aplicado an o pa a ecupe ación de in o mación (IR) y aplicaciones de mine ía de da os es uno de los undamen os del Medical Tex Indexe (MTI) del NLM el cual se u iliza pa a indexa de mane a semiau omá ica o au omá ica li e a u a del NLM. 2.3.1 Funcionalidades Me aMap o ece di e sas uncionalidades, de las cuales, las más impo an es pa a la aplicación son: • Desambiguación Uno de los p oblemas p incipales del PLN es la ambigüedad del lenguaje, y una de las mayo es debilidades de Me aMap es su incapacidad pa a esol e la ambigüedad del Me a esau o en las si uaciones en la que dos o más concep os compa en un sinónimo. Pa a soluciona es e p oblema se incluyó un sis ema de desambiguación (Wo d Sense disambigua ion (WSD)) ac i able median e la opción -y. De es a o ma se a o ecen las al e na i as que ienen un ipo semán ico más p obable en unción del con ex o. • De ección de negaciones Me aMap es capaz de de ec a cuando un concep o es á negado median e el uso de una e sión ex endida del algo i mo NegEx 9 . Pa a que sea legible (human- eadable), es necesa io usa la opción -negex. • De ección de ac ónimos y ab e ia u as denidos po el au o En los documen os écnicos apa ecen con ecuencia ac ónimos y ab e ia u as (Ac onyms and Abb e ia ions (AA)) y suelen i acompañados de deniciones o ex ensiones. In e esa que después de que un ac ónimo o sigla haya sido denido, se asigne la misma denición en u u as apa iciones. Pa a de ec a AA Me aMap aplica un algo i mo idén ico al desc i o en Schwa z and Hea s . Se a a de asocia la expansión del AA, con la sigla o ac ónimo, que debe á es a esc i o en e pa én esis y si uado después de la expansión. Exis en cie as eglas que es necesa io cumpli pa a e i a e o es: 8 h p://me amap.nlm.nih.go / 9 h p://code.google.com/p/negex/ CHAPTER 3. PROCESADO DE INFORMES 18 3.2 In o mes Médicos Es muy di ícil p ocesa la in o mación con enida en un in o me médico. Es o se debe a a ios mo i os: • Pa a empeza , los documen os se encuen an en lenguaje na u al. • También exis en a ios ipos de documen os, con dis in a es uc u a, o - ma o ( a ios o ma os de ex o, incluyendo Mic oso Wo d, y Excel) y que con ienen dis in a in o mación médica (Ci ugía, In o me de Al a, Regis o de En e me ía, e c). • Además, documen os de un ipo se pueden encon a un núme o a iable de eces o no habe ninguno de ese ipo. • A odo es o hay que suma la posibilidad de e o humano, o que un médico haya al e ado la es uc u a de alguno de los ipos de documen o. A aíz de es o, g an pa e del iempo de desa ollo del p oyec o ha sido dedicado a pode p ocesa los in o mes y a unica los, pa a pode ealiza las búsquedas. 3.2.1 Almacenamien o Pa a almacena los da os se ha c eado una es uc u a que almacena la in o ma- ción del in o me en los dis in os es ados que a a iesa. T as la p ime a pa e de la aplicación se u iliza pa a pa a gua da la in o - mación di idida en campos en un che o .xml con la ex ensión .mxml. En la segunda pa e, p ime o se leen los esul ados del p og ama an e io de los che os .mxml. Después, as ealiza el p ocesado del in o me aducido con Me aMap, almacena el esul ado en o os che os .xml pe o con ex ensión .pxml. Po úl imo, en la e ce a pa e del p og ama, se leen los che os .pxml y se almacenan y unican odos los documen os de los casos en uno. Luego indexa el con enido de es os in o mes unicados y se puede empeza a ealiza búsquedas. 3.2.2 Res icciones y p oblemas Es impo an e des aca que los posibles secciones que usa in e namen e la apli- cación es án denidos de an emano. Po eso, odos los nomb es que pueden ene los campos de In o meP ocesado se encuen an den o de los siguien es: Mo i o ing eso, Ale gias, Mediacion ac ual, An eceden es amilia es, An eceden es pe - sonales, Anamnesis, Explo acion, P uebas complemen a ias, E olucion, In e - encion qui u gica, Juicio clinico, T a amien o y Plan e apeu ico. CHAPTER 3. PROCESADO DE INFORMES 19 3.3 P e-P ocesado 3.3.1 Funcionamien o El obje i o de la p ime a aplicación, es el p ime paso necesa io pa a el p oce- sado de la in o mación, es di idi los in o mes médicos en los campos que lo o man. De es a o ma, más adelan e, se pod á especializa la búsqueda, e- niendo en cuen a sólo algunos de los campos. Es os campos siguen una es uc u a es ánda y a ía de un ipo de doc- umen o a o o, po lo que es imp escindible pode cambia la es uc u a en unción del documen o que se es é p ocesando. Es o se ealiza g acias a unos a chi os de congu ación denidos po el usua io an es de pone la aplicación en uncionamien o. Po o o lado los in o mes médicos se encuen an almacenados en ex o sim- ple, po lo que la aplicación ha sido p epa ada pa a lee a chi os en o ma o .doc y . x . La aplicación p ocesa los in o mes independien emen e, pa a que sea más simple la modicación o añadido de in o mes a pos e io i. Es deci , en caso de añadi un nue o documen o a alguno de los casos, sólo es necesa io p ocesa ese documen o, no odos los demás. Necesi a dos da os pa a unciona : la ubicación de los in o mes sin p ocesa y la ubicación donde quie en gua da se los in o mes p ocesados. Se pueden p opo ciona a a és de la in e az o usando el che o de congu ación pa a p opo ciona au omá icamen e la úl ima u a usada. 3.3.2 Tecnologías u ilizadas Solo necesi a usa la lib e ía Apache POI pa a pode lee documen os con o - ma o .doc, que es el o ma o más común en e los in o mes. 3.3.3 Res icciones y p oblemas Aunque debía se la pa e más simple, es la que ha enido el p oblema más des acado, la al a de uni o midad en e los in o mes médicos. Además siemp e hay pequeños de alles que complican en g an medida la lec u a co ec a de los da os. Fue muy di ícil sol en a es e p oblema, incluso ap o echando pa e de la solución que ya se encon aba en un abajo p e io. O o p oblema ue el o ma o en el que es aban almacenados los in o mes, el o ma o de Mic oso Wo d, .doc. Po lo que, an es de pode ocupa me de la uncionalidad p incipal de la aplicación, implemen e la capacidad de lee es e o ma o, pa a lo cual me se í de la lib e ía Apache POI. CHAPTER 3. PROCESADO DE INFORMES 20 3.4 P ocesado 3.4.1 Funcionamien o El obje i o de la segunda pa e es p ocesa los in o mes médicos pa a consegui mejo es esul ados cuando se ealicen las búsquedas. Como los in o mes es án en cas ellano, pa a pode p ocesa el ex o es necesa io p ime o aduci los al inglés. Pa a es o se usa la API de Windows T aduc o . Con el ex o en inglés, ya podemos comenza a usa Me aMap, una he amien a pa a analiza ex os médicos elacionada con el Sis ema de Lenguaje Médico Unicado (UMLS). El p ime paso es ob ene la in o mación p oducida en el p og ama de la p ime a e apa, es deci , los in o mes médicos di ididos po campos. Es o se consigue leyendo los a chi os del ipo .mxml. Con la in o mación de los documen os médicos, some emos cada campo a un p oceso complejo. P ime o lo aducimos al inglés, el único idioma sopo ado po Me aMap. Después usamos es a he amien a, Me aMap, pa a analiza el ex o pa a ob ene é minos médicos, busca desambiguaciones y de ec a negaciones. Es a nue a in o mación, se almacena en che os del ipo .pxml (.xml P oce- sado), que almacenan la in o mación necesa ia pa a la e ce a e apa de la apli- cación. Requie e la ubicación de los che os .mxml pa a unciona . También necesi a una cuen a Mic oso Azu e y una cuen a UMLS álidas pa a unciona (Apéndice A) 3.4.2 Es uc u a La clase Execu e se enca ga de ejecu a la aplicacción. En es a clase se llama a la clase Congu a ionFile pa a ob ene los da os necesa ios pa a el uncionamien o de la aplicación (ca pe a de casos p e-p ocesados, da os de aplicación de Mi- c oso Azu e y da os de cuen a UMLS). Sabiendo la ubicación de los casos p e-p ocesados, podemos empeza a eco - e los, aduciendo cada campo y en iándolo como pe ición a UMLS a a es de Me aMap. Cuando ob enemos odos los campos p ocesados, es deci , odos los concep os médicos, los gua damos di ididos po campos en un a chi o .pxml en la misma ca pe a que los a chi os p e-p ocesados. 3.4.3 Tecnologías u ilizadas Pa a implemen a es a sección han sido necesa ias dos ecnologías dis in as: Windows T aduc o y Me aMap. Windows T aduc o se enca ga de aduci los in o mes médicos pa a pode se p ocesados po Me aMap. Me aMap se usa a a es de la WebAPI, ealizando una consul a del ipo Ba ch a los se ido es de UMLS po cada campo de cada documen o de cada caso médico. CHAPTER 3. PROCESADO DE INFORMES 21 3.4.4 Res icciones y p oblemas El p ocesado de los in o mes depende de una aplicación ex e na, Me aMap, po lo an o, aunque la con e sión de los in o mes lle a mucho iempo, no es posible educi lo. Aún así se ha hecho odo lo posible pa a no lle a a cabo es e cos oso p oceso más eces de las necesa ias, comp obando qué in o mes ya es aban p ocesados pa a no ol e los a con e i . Además Me aMap es una he amien a muy especializada, que cuen a con un g an núme o de opciones, po lo que es muy di ícil usa la. Es necesa io una in es igación en p o undidad an es de pode empeza a u iliza la. También a causa de que Me aMap es una he amien a p i ada es necesa ia una cuen a UMLS pa a pode usa lo. Po es o es necesa io que el usua io enga que c ea una cuen a an es de pode inicia la aplicación. El p oblema más g a e que hay en es a pa e de la aplicación son las lim- i aciones in ínsecas al aduc o . Desde que Google T aduc o se ol ie a un se icio de pago pa a aplicaciones en 2011, se ha uel o cada ez más di ícil encon a un se icio de aducción g a ui o. Windows T aduc o , el se icio usado en la aplicación, iene una limi ación de 2 millones de ca ac e es po mes. Pa a pode aumen a el olumen de aducciones, una pa e esencial del p oce- sado, se ía necesa io in e i en una susc ipción en alguno de los se icios de aducción de pago. En es e caso, con usa una cuen a Mic oso Azu e con mayo olumen de aducción se ía sucien e (Apéndice A). CHAPTER 3. PROCESADO DE INFORMES 22 Chap e 4 Indexación y búsqueda en in o mes p ocesados 4.1 In oducción En es e capí ulo el buscado de in o mes implemen ado. Una ez ob enido el conjun o de a chi os .pxml, as ejecu a las dos p ime as pa es de la aplicación. El siguien e paso consis e p ocesa los pa a pode saca p o echo de la in o mación que con ienen. De es a mane a se p e ende de- sa olla un buscado de in o mes médicos que ealice una búsqueda desca - ando é minos no ele an es y sólo eniendo en cuen a los concep os médicos. Pa a consul a la es uc u a de es os a chi os e isa el apa ado 3.2 In o mes Médicos . Dicho buscado le pe mi e al usua io selecciona un in o me en o ma o .pxml e in en a localiza aquellos simila es a él. También se puede ealiza con in- o mes en o ma o .mxml, aunque la p ecisión se á meno pues no hab án sido p ocesados pa a elimina las palab as que no gua den elación con el ema. Es a aplicación comienza unicando odos los documen os p ocesados de un caso en un solo documen o. Es e a su ez es á di idido en campos, y cada campo es la suma de odos los campos del mismo ipo den o del caso. Una ez que se unican odos los documen os del his o ial médico en un solo a chi o, se empieza a ealiza la búsqueda po simila idad, usando sólo los campos ma cados po el usua io, o, en su de ec o, odos. 4.2 Indexación Inicialmen e, du an e la e apa de p o o ipado, el p og ama u ilizaba Lucene con un solo index, es deci , odos los documen os se indexaban jun os pa a la búsqueda. Una ez es u ie on implemen adas las uncionalidades básicas, con el p opósi o 23 CHAPTER 4. INDEXACIÓN Y BÚSQUEDA EN INFORMES PROCESADOS 24 de aumen a la p ecisión de la búsqueda, se di idió el index po campos. En ez de u iliza se un sólo index, se u ilizaba uno po cada campo implemen ado. Es o además pe mi e modica la búsqueda po simila idad pa a u iliza solo los campos en los que se quie e busca . Con los da os esul an es de uni odos los documen os de un caso se c ean los índices de Lucene. Cada uno de ellos es a o mado po odos los campos del mismo ipo en la base de da os, cada bloque de in o mación con un iden icado pa a sabe a que caso pe enece. Usando es os índices especializados se pod án ealiza las búsquedas. 4.3 Búsqueda La búsqueda po simila idad unciona ealizando búsquedas Mo eLikeThis de Lucene. Es a uncionalidad equie e de a ios pasos p e ios pa a pode u i- liza la, el más impo an e la indexación de los documen os en e los que se quie e busca y cual quie e usa se como base en la búsqueda. El esul ado consis e en el iden icado de cada documen o indexado, acom- pañado po un núme o que ep esen a su alo ación en la compa ación con el documen o base. Es án o denados de mayo a meno , es deci , de más simila a menos. Como el documen o base, aquel del que hay que busca in o mes sim- ila es, ha de indexa se pa a ealiza la búsqueda, siemp e encabeza la lis a de esul ados. Pa a e i a se edundan e y no con undi al usua io, se mues a a pa i del siguien e esul ado. Se ejecu a Mo eLikeThis pa a odos los campos disponibles y se an uni- cando los esul ados de las dis in as búsquedas. Una ez e minado es e p o- ceso, con amos con una lis a de esul ados deso denada. Una ez o denada, end emos odos los casos o denados po simila idad, encabezados po el caso base elegido po el usua io. Con los da os esul an es de an as búsquedas de simila idad como campos se hayan elegido, se c ea un alo numé ico po cada caso médico. Es e alo , o sco e, es la media de los esul ados de odas las búsquedas po campo de odos los documen os de un mismo caso. Rep esen a la simila idad que hay en e ese caso y el caso que se ha usado como base en la búsqueda de simila idad. Po úl imo, pa a mos a los esul ados es necesa io o dena los casos de mayo a meno usando la sco e (el g ado de simila idad), de es a o ma los casos es a án o denados de mayo a meno simila idad. 4.4 Tecnologías U ilizadas Pa a ealiza es e sis ema se u ilizó la lib e ía de Ja a, Lucene que pe mi e ealiza la indexación y hace búsquedas sob e el índice c eado de mane a e- caz. Un incon enien e que pod ía p esen a es a lib e ía es la g an can idad de abajo que ealiza du an e el p oceso de indexación y el eno me consumo de ecu sos y iempo que puede cos a , en unción del amaño de la base de CHAPTER 4. INDEXACIÓN Y BÚSQUEDA EN INFORMES PROCESADOS 25 da os. En cambio, a la ho a de ealiza una búsqueda, es a se lle a a cabo en un pe íodo muy co o de iempo. 4.5 Res icciones y p oblemas En es a pa e del p og ama el p oblema más des acado es la unicación en e documen os p ocesados de dis in o ipo. Pa a pode pe mi i que se siguie an compa ando los casos, hubo que sac ica un poco de p ecisión. Igualmen e los campos in e nos que usa el p og ama es án diseñados pa a inclui odas los campos p esen es en un in o me médico, de al o ma que, la pé dida de p ecisión, aunque ine i able, se eduzca al mínimo. Hay o o p oblema meno elacionado con la lib e ía que se enca ga de la búsqueda po simila idad, Lucene. En las úl imas dis ibuciones de la unción más impo an e pa a es e abajo, la búsqueda po simila idad, Mo eLikeThis, ha pe dido uncionalidades y ac ualmen e el núme o de opciones disponibles es muy educido. CHAPTER 4. INDEXACIÓN Y BÚSQUEDA EN INFORMES PROCESADOS 26 Chap e 5 Conclusiones y abajo u u o 5.1 In oducción Aho a, habiendo e minado de desa olla el p oyec o a lo la go del cu so acadé- mico, puedo conclui que se han cumplido los obje i os plan eados. El p o- g ama, di idido en es ases, es capaz de lee , p ocesa los in o mes médicos pa a sepa a lo po campos, aduci los al inglés y ob ene la e minología médica u ilizando Me aMap. Una ez ealizado el p ocesado, se pueden busca in o mes pa ecidos en la base de da os gene ada. El p og ama p incipal iene un g an núme o de usos y aplicaciones, desde ayuda en es udios es adís icos a acili a diagnós icos. Pe o, desde mi pun o de is a, c eo que la p ime a pa e del p o- g ama, enca gada de p ocesa los in o mes médicos en cas ellano, iene mucho más po encial a la ho a de se aplicada en abajos u u os. La aplicación de búsqueda puede se ú il an o pa a p o esionales como pa a in es igado es, ya que g acias a ella pod ían localiza in o mes médicos con unas ca ac e ís icas conc e as en menos iempo de lo que pod ían habe lo hecho manualmen e. Po es a p ocesado, las búsquedas end án más p ecisión, ya que el buscado no se e á a ec ado po el uido causado po las palab as desdeñables pa a la búsqueda po que no ienen elación con los concep os médicos. 5.2 T abajo u u o Pa a empeza , an es de pode da le una nue a aplicación al p oyec o, c eo que se ía ecomendable cen a se en co egi las limi aciones de la pa e de p oce- sado, la más compleja y ú il. Exis en dos g a es p oblemas: • Limi aciones del aduc o . • El iempo consumido po Me aMap. Además se me ocu en algunas usos posibles pa a el p og ama y la pa e de p ocesado. 27 APPENDIX A. MANUAL 34 Figu e A.4: Ejemplo eal de un a chi o de congu ación pa a la ase de P oce- sado. Si se ienen dicul ades pa a c ea la puede consul a se es e ideo u o ial guiado 1 , c eado po la misma o ganización. Hay es alo es a ene en cuen a a la ho a de ellena el a chi o de cong- u ación de la ase de p ocesado (gu a A.4): • La di ección de co eo usada du an e el egis o. • El nomb e de usa io seleccionado. • La con aseña. Los es alo es han de se in oducidos después de los dos pun os (':'), cada uno en su linea co espondien e pa a que el p og ama pueda unciona . A.2.2 Cuen a Azu e Apa e de c ea una cuen a Mic oso Azu e en es a di ección, ambién es nece- sa io egis a una aplicación y susc ibi se al se icio de aducción pa a esa aplicación. Paso a paso se ía como sigue: 1. C ea una cuen a Mic oso Azu e 2 . 2. Susc ibi se al T aduc o de Mic oso 3 . Se ía ecomendable selecciona la opción de dos millones de ca ac e es al mes po que no iene cos e. 3. Regis a una aplicación en Mic oso Azu e 4 . Los apa ados que se necesi- an pa a hace unciona la busqueda son los ma cados en ojo en la gu a A.5. El Clien sec e  ya es á comple ado au omá icamen e, mien as que en Clien ID iene que elegi se a bi a iamen e. En el apa ado Redi ec URI se puede comple a igual que en la gu a A.5, con h ps://www.mic oso .com. 1 h ps://www.nlm.nih.go / esea ch/umls/use _educa ion/quick_ ou s/ eques License.h ml 2 h ps://da ama ke .azu e.com/ egis e ? edi ec =%2Faccoun 3 h ps://da ama ke .azu e.com/da ase /1899a118-d202-492c-aa16-ba21c33c06cb 4 h ps://da ama ke .azu e.com/de elope /applica ions/ egis e APPENDIX A. MANUAL 35 Figu e A.5: In e az pa a la ase de P ocesado. APPENDIX A. MANUAL 36 Figu e A.6: Ejemplo de un a chi o de congu ación pa a la ase de Búsqueda. En caso de su gi p oblemas al segui es os pasos, ambien se puede consul a es e u o ial más de allado 5 . A.3 Ejecución de la Búsqueda En es a pa e de la aplicación ambién es necesa io decidi las localizaciones de dos ca pe as: • La ca pe a con la base de da os médicos p ocesada po la aplicación, o ganizada como una lis a de casos médicos p ocesados. (La misma que se haya usado pa a las dos ases an e io es). • La ca pe a con el caso médico p ocesado que a a u iliza se pa a la búsqueda. • Además pueden selecciona se los campos que se quie an u iliza en la búsqueda. Pa a decidi es os da os hay dos posibles modos. • Po de ec o se usa las ubicaciones en el a chi o de congu ación cong. x (gu a A.6) den o de la ca pe a cong, que se debe encon a jun o al p og ama. Como se almacenan po ue a de la aplicación, puede usa se en epe idas ocasiones. Pa a los campos solo se pueden usa los siguien es (es necesa io espe a la o og a ía): Mo i o ing eso, Ale gias, Mediacion ac ual, An eceden es amilia es, An eceden es pe sonales, Anamnesis, Ex- plo acion, P uebas complemen a ias, E olucion, In e encion qui u gica, Juicio clinico, T a amien o y Plan e apeu ico. • El o o modo es a a és de la aplicación de Búsqueda, usando las opciones que e o ece la in e az (gu a A.7). U iliza los da os que selecciones solo pa a la siguien e ejecución. En es e caso el p ime bo ón elige la ca pe a de casos médicos p ocesados que se u iliza El segundo bo ón elige el caso que se a a usa como base pa a ealiza la búsqueda. El e ce bo ón inicia la búsqueda po simila idad y, al e mina , mues a los esul ados. El bo ón 5 h ps://blogs.msdn.mic oso .com/ ansla ion/ge ings a ed1/ APPENDIX A. MANUAL 37 Figu e A.7: In e az pa a la ase de P ocesado. de Opciones mues a las opciones disponibles (gu a A.8), que incluyen: los campos sob e los que se a a ealiza la búsqueda; y los che os en e los que se a a ealiza la búsqueda: p ocesados (.pxml) o ex o simple (.mxml). Todas las elecciones u ilizando la in e az ienen p io idad sob e la in o mación almacenada en el che o de congu ación. APPENDIX A. MANUAL 38 Figu e A.8: In e az pa a las opciones de la ase de P ocesado.