基于本體的醫(yī)療信息檢索技術(shù)的研究

【摘要】隨著互聯(lián)網(wǎng)在全球范圍內(nèi)的普及，網(wǎng)絡(luò)數(shù)據(jù)正以前所未有的速度發(fā)展。從互聯(lián)網(wǎng)上獲取信息已經(jīng)成為人們常用的方式。醫(yī)療領(lǐng)域是與人們生活密切相關(guān)的領(lǐng)域，各類人員都希望通過(guò)網(wǎng)絡(luò)得到相應(yīng)的指導(dǎo)。但是目前的醫(yī)療網(wǎng)信息內(nèi)容繁雜，結(jié)構(gòu)混亂，不能給相關(guān)人員提供較好的服務(wù)。本文將本體引入到醫(yī)療信息領(lǐng)域，分析和比較現(xiàn)有的本體構(gòu)建方法，根據(jù)它們的特點(diǎn)，構(gòu)建藥品本體。

【關(guān)鍵詞】本體；醫(yī)療；信息檢索

一、本體在信息檢索技術(shù)方面的研究現(xiàn)狀

1.本體的概念

本體來(lái)自希臘詞匯，onto表示being，logos表示to reason，最初是哲學(xué)上的一個(gè)分支，這個(gè)術(shù)語(yǔ)在17世紀(jì)誕生，是古希臘哲學(xué)家亞里士多德給出的定義，將Ontology定義為研究“存在”的科學(xué)，并將其分為兩個(gè)方面，一方面研究存在的本質(zhì)，另一方面研究客體對(duì)象的理論定義，即整個(gè)現(xiàn)實(shí)世界（本體）的基本特征。人工智能領(lǐng)域?qū)⒈倔w的概念引入，用于知識(shí)表示和知識(shí)組織，其概念的內(nèi)涵也因此發(fā)生了改變[1]。

2.國(guó)內(nèi)外研究現(xiàn)狀

本體在信息檢索領(lǐng)域的應(yīng)用研究在20世紀(jì)末至21世紀(jì)初展開(kāi)，國(guó)外大量學(xué)者都在此領(lǐng)域進(jìn)行了各種研究，如德國(guó)學(xué)者Nenad和Ljiljana提出了一種在基于本體的信息檢索系統(tǒng)中使用基于邏輯的優(yōu)化檢索方法；巴西學(xué)者Regina等研制了一個(gè)檢索代理系統(tǒng)；斯洛伐克的學(xué)者Jan和Ivan在同一個(gè)文本集中將全文檢索方法、潛在語(yǔ)義索引方法和基于本體的方法進(jìn)行對(duì)比研究等[2]。與國(guó)外相比，國(guó)內(nèi)無(wú)論是在理論研究，實(shí)證研究，還是在技術(shù)手段的實(shí)用方面都相對(duì)落后，與國(guó)外高水平的研究相比存在很大差距，有關(guān)學(xué)者在本體的檢索技術(shù)方面也進(jìn)行了大量的研究。但是迄今為止，大量文章仍停留在翻譯，綜述國(guó)外研究的水平上，具有獨(dú)立創(chuàng)新性的研究少之又少。

二、研究?jī)?nèi)容和意義

中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心2013年7月17日發(fā)布《第32次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r調(diào)查統(tǒng)計(jì)報(bào)告》顯示，截至6月底，我國(guó)Ipv4地址數(shù)量為3.31億，擁有IPv6地址數(shù)量較去年同期大幅增長(zhǎng)16.5%。我國(guó)網(wǎng)民數(shù)量達(dá)到5.91億，較去年底增加2656萬(wàn)人[3]?？梢?jiàn)，在網(wǎng)絡(luò)，電視，報(bào)紙，書籍等各種媒介中，網(wǎng)絡(luò)具有其他媒介無(wú)法比擬的優(yōu)勢(shì)。醫(yī)療信息是與人們息息相關(guān)的領(lǐng)域，患有不同程度疾病的人群和亞健康人群不可能頻繁去醫(yī)院檢查，都希望通過(guò)網(wǎng)絡(luò)的快捷得到更多的指導(dǎo)。但是檢索結(jié)果往往會(huì)返回大量無(wú)關(guān)的鏈接，使得用戶將大量的時(shí)間耗費(fèi)在排除無(wú)關(guān)信息上。同時(shí)，用戶和網(wǎng)絡(luò)文檔對(duì)同一概念的表述形式往往會(huì)有差異，導(dǎo)致無(wú)法接收到有用信息。目前的關(guān)于藥品的檢索，其實(shí)質(zhì)仍然停留在基于關(guān)鍵字的查詢上。其查詢方式相對(duì)簡(jiǎn)單、容易，但是不能很好地滿足用戶的真正需求，非常機(jī)械，不能夠全面準(zhǔn)確地檢索到用戶關(guān)心的藥品信息。基于本體的檢索可以充分利用本體對(duì)知識(shí)內(nèi)容的結(jié)構(gòu)化描述和概念之間的關(guān)系來(lái)實(shí)現(xiàn)智能化查詢。針對(duì)傳統(tǒng)信息檢索技術(shù)存在的上述問(wèn)題，本體檢索還包括歧義信息和檢索處理，將通過(guò)歧義知識(shí)描述庫(kù)、全文索引、用戶檢索上下文分析以及用戶相關(guān)性反饋等技術(shù)結(jié)合處理，高效、準(zhǔn)確地反饋給用戶最需要的信息。通過(guò)對(duì)比現(xiàn)有構(gòu)建本體的各種方法，根據(jù)它們的特點(diǎn)，并結(jié)合醫(yī)療領(lǐng)域的特點(diǎn)，立足于醫(yī)療信息的一個(gè)點(diǎn)，即藥品，按照本方法建立藥品本體。在構(gòu)建藥品本體的基礎(chǔ)上，改進(jìn)了一種基于藥品本體的信息檢索系統(tǒng)框架。

三、基于本體的醫(yī)療信息檢索系統(tǒng)設(shè)計(jì)

1.設(shè)計(jì)目標(biāo)

（1）具有傳統(tǒng)信息查詢系統(tǒng)的基本檢索功能，也就是根據(jù)用戶輸入的查詢條件，應(yīng)該能夠給用戶返回相應(yīng)的結(jié)果。這是最基本的查詢功能。

（2）對(duì)查詢條件的語(yǔ)義擴(kuò)展的過(guò)程要借助于本體庫(kù)中的信息，在具有傳統(tǒng)信息查詢系統(tǒng)的基本檢索功能基礎(chǔ)上，輸入的查詢條件進(jìn)行同義、近義和上下位關(guān)系進(jìn)行擴(kuò)展，也可以對(duì)用戶提出的查詢請(qǐng)求進(jìn)行規(guī)范化等操作，目的是為了使計(jì)算機(jī)更好的理解語(yǔ)義信息，提高信息檢索的效率和準(zhǔn)確性。

（3）采用傳統(tǒng)的相關(guān)度算法，盡可能地把更好的反映用戶真正意圖的檢索結(jié)果反饋給用戶。

2.體系結(jié)構(gòu)

結(jié)合藥品本體，參考語(yǔ)義檢索機(jī)理[4]，信息檢索框架包含五大模塊，分別為用戶接口、條件處理、醫(yī)療信息、信息檢索和結(jié)果顯示。如圖1所示。

（1）用戶接口：系統(tǒng)必須提供給用戶一個(gè)友好的界面，在這里主要是用戶輸入的查詢條件部分，可以采用單一的條件查詢也可以采用多組合查詢。

（2）條件處理部分：處理用戶界面的輸入查詢信息，對(duì)查詢條件進(jìn)行預(yù)處理。

（3）醫(yī)療信息部分：建立醫(yī)療實(shí)例庫(kù)。

（4）信息檢索部分：對(duì)用戶輸入的查詢條件進(jìn)行處理，這里面含有推理規(guī)則。同時(shí)對(duì)查詢條件進(jìn)行語(yǔ)義擴(kuò)展，實(shí)現(xiàn)進(jìn)一步的查詢。

（5）顯示結(jié)果部分：經(jīng)過(guò)信息檢索部分，需要對(duì)所查詢出來(lái)的結(jié)果進(jìn)行匯總，并根據(jù)相關(guān)度算法對(duì)相關(guān)結(jié)果進(jìn)行排序。將更貼近用戶的查詢結(jié)果靠前。

3.構(gòu)建本體常見(jiàn)方法

目前常用的七種本體構(gòu)建方法是：七步法、骨架法、IDEFS法、Methoniology法、TOVE法、SENSUS法和KACTUS法。這七種方法各有利弊，結(jié)合藥品檢索的現(xiàn)狀，領(lǐng)域本體的建設(shè)處于探索性研究階段，在這個(gè)過(guò)程中存在著很多問(wèn)題，對(duì)不同問(wèn)題的認(rèn)識(shí)和解決會(huì)得出不同的方法論。主要問(wèn)題分析如下[5]：

（l）需求不充分

本體構(gòu)建特別是某個(gè)領(lǐng)域的本體構(gòu)建的具體需求還很難描述清楚。沒(méi)有充分的需求，直接導(dǎo)致本體建設(shè)過(guò)程的無(wú)計(jì)劃性。

（2）建設(shè)過(guò)程無(wú)規(guī)范

目前，領(lǐng)域本體構(gòu)建還沒(méi)有成熟的方法論作為指導(dǎo)，更談不上對(duì)構(gòu)建過(guò)程的規(guī)范管理。借鑒軟件開(kāi)發(fā)過(guò)程的管理，可以看出文檔的重要作用。因此，在領(lǐng)域本體構(gòu)建過(guò)程中同樣也得關(guān)注文檔，從文檔的編寫中總結(jié)出規(guī)范。

（3）成果沒(méi)有評(píng)價(jià)標(biāo)準(zhǔn)

本體的評(píng)價(jià)方法沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，也沒(méi)有標(biāo)準(zhǔn)的測(cè)試集。不能對(duì)本體的建設(shè)成果進(jìn)行合理評(píng)價(jià)，使整個(gè)構(gòu)建過(guò)程的正確度，科學(xué)度大打折扣。

（4）忽視本體的共享和重用

領(lǐng)域本體構(gòu)建的目的不是為某一個(gè)系統(tǒng)提供服務(wù)，而是為不同系統(tǒng)提供進(jìn)行交流的語(yǔ)義基礎(chǔ)。共享和重用是本體的本質(zhì)要求，在領(lǐng)域本體的建設(shè)過(guò)程中，如何保證這一點(diǎn)就是個(gè)非常重要的問(wèn)題。

在IT領(lǐng)域引入本體的概念，最終目的是希望計(jì)算機(jī)能夠充分理解語(yǔ)義信息，更加智能的為人類服務(wù)，從某種意義上說(shuō)，這是一類新的軟件活動(dòng)。因此，對(duì)于本體建設(shè)的過(guò)程，還需要不斷的完善和創(chuàng)新。

4.藥品本體的構(gòu)建

目前互聯(lián)網(wǎng)上關(guān)于藥品的網(wǎng)站很多，但是從內(nèi)容組織上看，大多都是將藥品分為不同的類別，或者是將藥品按身體各個(gè)部位進(jìn)行分類。用戶點(diǎn)擊相關(guān)信息，了解相關(guān)治療藥物，所看到的藥品內(nèi)容繁多，且不規(guī)則，主要原因是沒(méi)有對(duì)藥品形成規(guī)范的查詢體系。因此，針對(duì)藥品本體的構(gòu)建，首先應(yīng)對(duì)此領(lǐng)域建立一個(gè)比較完善的信息集，對(duì)整個(gè)領(lǐng)域本體的數(shù)據(jù)流有一個(gè)清晰的認(rèn)識(shí)。對(duì)領(lǐng)域本體的建設(shè)不是一朝一夕的，而應(yīng)該是先建立核心本體，在構(gòu)建時(shí)先找出領(lǐng)域中最基本的、最重要的概念和關(guān)系作為演化的種子，在此基礎(chǔ)上可以不斷完善，逐步建立起領(lǐng)域內(nèi)的函數(shù)、公理和實(shí)例。

首先，確定好藥品領(lǐng)域的概念分類。如“生物制品”、“解毒藥”、“延緩衰老”、“避孕藥”、“抗躁狂抑郁藥”、“維生素類”等。在“生物制品”這個(gè)概念類中，又分為子類“疫苗”、“菌苗”、“類霉素”、“抗菌素抗血清”、“人血液制品”、“體內(nèi)診斷制品”等。子類“疫苗”下又分為子類“基礎(chǔ)免疫用疫苗”，并添加實(shí)例“乙腦疫苗”，“乙肝疫苗”、“狂犬疫苗”、“出血熱疫苗”、“流腦疫苗”、“甲肝疫苗”、“腮腺炎疫苗”、“流感疫苗”等。其中在子類“基礎(chǔ)免疫用疫苗”中添加了實(shí)例“卡介苗”、“脊髓灰質(zhì)炎疫苗”、“百白破制劑”、“麻疹疫苗”等。其他概念類同此依次向下分類。

其次，定義類之間的關(guān)系。子類和父類之間是“is-a”的關(guān)系，脊髓灰質(zhì)炎疫苗和脊灰糖丸是同義詞的關(guān)系，卡介苗和基礎(chǔ)免疫用疫苗是實(shí)例與概念之間的關(guān)系，在實(shí)際應(yīng)用中充斥著大量的類似的關(guān)系，在此不一一列舉。

最后，定義類的屬性。例如概念類“疫苗”，它應(yīng)具有的屬性有“中文名稱”、“英文名稱”、“計(jì)量單位”、“使用指南”等。

5.系統(tǒng)關(guān)鍵技術(shù)處理

（1）查詢擴(kuò)展

本體可以看作是定義了類及類之間關(guān)系，同時(shí)添加了用于推理的規(guī)則集的分類體系。本體可以通過(guò)對(duì)用戶檢索進(jìn)行領(lǐng)域內(nèi)的概念及屬性關(guān)聯(lián)來(lái)擴(kuò)展用戶檢索。比如用戶以“艾滋病”關(guān)鍵字進(jìn)行檢索，與“獲得性免疫缺陷綜合癥（Acquired Immune Deficiency Syndrome）”相關(guān)的信息也能檢索出來(lái)。再如用戶如果想要檢索關(guān)于“Sars”的信息，同時(shí)本體中定義了“Sars”的關(guān)聯(lián)概念“非典”，這時(shí)候用戶的查詢就擴(kuò)展為“Sars”和“非典”。如果在本體的定義中還包含概念“非典”的子概念，那么這時(shí)候就擴(kuò)展為“Sars”和“非典”及其子概念。

（2）檢索推理

①謂詞和關(guān)聯(lián)的概念

這種方式通過(guò)找出與用戶提供的關(guān)鍵字相關(guān)的謂詞及概念對(duì)用戶查詢進(jìn)行擴(kuò)展。例如概念“疫苗專家”分別通過(guò)謂詞“屬于”及“在……工作”與概念“傳染科室”及概念“醫(yī)院”關(guān)聯(lián)，則用戶輸入的查詢“疫苗”可以用來(lái)形成新的查詢條件“疫苗專家屬于傳染科室”及“疫苗專家在醫(yī)院工作”。

②謂詞特性

這種方式通過(guò)傳遞、翻轉(zhuǎn)或?qū)ΨQ謂詞來(lái)擴(kuò)展用戶查詢。例如：實(shí)例“卡介苗”屬于概念“基礎(chǔ)免疫用疫苗”，概念“基礎(chǔ)免疫用疫苗”屬于概念“疫苗”，由此可以推斷出來(lái)實(shí)例“卡介苗”屬于概念“疫苗”。

四、總結(jié)與展望

信息檢索技術(shù)已經(jīng)成為現(xiàn)在信息化時(shí)代不可或缺的重要技術(shù)，是人們獲取信息和知識(shí)的重要手段，并隨著數(shù)字化信息量的急速膨脹，人們將越發(fā)的依賴信息檢索技術(shù)給我們提供的便利。本文在信息檢索查詢技術(shù)的研究中，引入本體的概念，以特定領(lǐng)域知識(shí)作為研究對(duì)象，建立起一個(gè)描述藥品知識(shí)的本體。但是本體的語(yǔ)義化查詢?nèi)匀皇遣粔蛲晟频模虼嗽谖磥?lái)的進(jìn)一步研究中還有很多工作要做：如本體設(shè)計(jì)的完善和通用性問(wèn)題，自然語(yǔ)言處理，推理功能的強(qiáng)化等。在未來(lái)的研究中則需要更加復(fù)雜的推理機(jī)制研究。相信未來(lái)基于本體的語(yǔ)義查詢系統(tǒng)將會(huì)有著廣泛的應(yīng)用前景。

參考文獻(xiàn)

[1]王淼洋.東西方哲學(xué)比較研究[M].上海教育出版社（第一版），1994：97-104.

[2]彭鵬.基于本體的信息檢索策略優(yōu)化研究[D].吉林大學(xué)，2007.

[3]http：//news.daynews.com.cn/gnxw/1835394.html（山西新聞網(wǎng)）[OL].

[4]http：//kmi.open.ac.uk/projects/ocml（OCML）[OL].

[5]http：//www.w3c.org（W3C）[OL].

作者簡(jiǎn)介：朱鐵峰（1981—），男，吉林通化人，碩士研究生，主要研究方向：計(jì)算機(jī)技術(shù)、遠(yuǎn)程開(kāi)放教育等。