عنوان:

  طراحی، پیاده سازی و ارزیابی موتور انتساب خودکار سوالات حوزه سلامت به مرتبط ترین متخصصین حوزه

چكيده 

 مقدمه: امروزه بسیاری از افراد تلاش می­کنند به کمک منابع آنلاین اطلاعاتی نقش خود را در مدیریت و درمان بیماری­های خود و اطرافیان پررنگ­تر نمایند. با توجه به اینکه موتورهای جستجو امکان پاسخگویی به سوالات پزشکی کاربران را ندارند تعداد زیادی از افراد به انجمن­های آنلاین پرسش و پاسخ روی آورده­اند، لذا خودکارسازی در فرایند انتساب می­تواند بارکاری را در مدیریت این انجمن­ها کاهش داده و به مقیاس­پذیری آن­ها کمک نماید. هدف این مطالعه ارائه یک روش مبتنی بر مفاهیم بمنظور انتساب خودکار سوالات پزشکی به متخصصین مرتبط بود.

روش كار: این مطالعه در سه فاز انجام شده است. فاز اول و دوم امکان­سنجی و فاز سوم هدف اصلی مطالعه است. در فاز اول چندین انجمن آنلاین پرسش و پاسخ پزشکی مورد بررسی قرار گرفته و مفاهیم تخصصی موجود در سوالات استخراج و تحلیل گردید. در فاز دوم، شباهت بین پرسش­های مربوط به تخصص­های مختلف و همچنین شباهت فعالیت متخصصین مختلف مورد مطالعه قرار گرفته و میزان همپوشانی بین مفاهیم آنها بررسی شد. در سومین فاز مطالعه، موتور انتساب خودکار سوالات به متخصصین، شامل سه فرایند پروفایل­سازی متخصصین، تحلیل پرسش ارسالی جدید و عملیات انتساب براساس محاسبه شباهت طراحی و پیاده­سازی گردید. در فرایند پروفایل­سازی، بردار وزن­داری از مفاهیم استخراج شده از سوابق و فعالیت­های متخصصین به کمک روش­های term frequency–inverse document frequency و وزن­دهی معنایی شکل گرفته است. سپس برای مفاهیم استخراج شده از پرسش­های جدید نیز بردار وزن­داری از مفاهیم ایجاد شده و در نهایت میزان شباهت بین بردار سوال با پروفایل متخصصین براساس شباهت کسینوسی محاسبه و سوالات به متخصصینی که بیشترین میزان شباهت را داشته­اند منتسب گردید. بر همین اساس در این مطالعه موتوری طراحی و پیاده سازی گردید که به کمک منبع واژگان Consumer Health Vocabulary و برمبنای محاسبه شباهت بین مفاهیم، عملیات انتساب خودکار سوالات به متخصصین حوزه­ های مختلف را با دقت و فراخوانی مناسبی انجام دهد.

نتايج: نتایج پردازش 3000 پرسش و پاسخ در فاز اول که به صورت تصادفی از انجمن­های آنلاین NetWellness، WebMD و Yahoo Answers انتخاب گردید نشان می­دهد مفاهیم استخراج شده از سوالات به ترتیب مربوط به علائم، نشانه بیماری­ها و نتایج آزمایشات (36%)، داروها (14%)، آناتومی (12%) و سندرم­ها (12%) می­باشد. در فاز دوم 75 پرسش و پاسخ در 15 موضوع مختلف از سه انجمن فوق انتخاب و میزان شباهت سوالات محاسبه گردید. نتایج این بخش نشان می­دهد شباهت مفاهیم موجود در سوالات یک تخصص خاص(شباهت درون موضوعی) به صورت میانگین حدود 7 برابر بیشتر از شباهت بین مفاهیم موجود در سوالات از تخصص­های مختلف(شباهت بین موضوعی) بوده است. در فاز سوم ارزیابی موتور انتساب طراحی شده در دو بخش انجام گرفته است. نتایج ارزیابی اولیه که مبتنی بر میزان تطابق خروجی سیستم با مقادیر استخراج شده از وب سایت NetWellness می باشد نشان می­دهد برای 13 تخصص مورد مطالعه، حداقل و حداکثر مقدار دقت سیستم برابر 63% و 92% و حداقل و حداکثر مقدار برای فراخوانی در بین تخصص­ها به ترتیب برابر 61% و 100% محاسبه گردیده است. همچنین مقدار سنجهF که بر اساس دقت و فراخوانی محاسبه می­گردد برای کل سیستم برابر با 80% بدست آمده است. نتایج ارزیابی ثانویه که بر مبنای میزان تطابق نتایج سیستم با نظر متخصصین بالینی می­باشد نشان می­دهد از 64 سوال مورد ارزیابی برای 55 سوال نتایج موتور انتساب با استاندارد طلایی ایجاد شده برمبنای نظر متخصصین بالینی مطابقت دارد که مقدار سنجهF. سیستم در این ارزیابی برابر 86% محاسبه شده است.

نتيجه‌گيري: نتایج نشان می­دهد میزان شباهت مفاهیم بین تخصص­های مختلف به طور قابل توجهی کمتر از شباهت مفاهیم استخراج شده از یک تخصص می­باشد. اگرچه میزان همپوشانی مفاهیم بین تخصص­های مختلف تا حدودی متفاوت می­باشد ولی امکان تفکیک­پذیری تخصص­های مختلف به کمک مدل­های مبتنی بر مفاهیم وجود دارد. همچنین براساس نتایج، بکارگیری منبع واژگان Consumer Health Vocabulary در طراحی سیستم­های مبتنی بر مفاهیم پزشکی موجب کاهش فاصله زبانی بین کاربران متخصص و غیرمتخصص شده و می­ تواند سطح وسیع تری از کاربران را پوشش دهد.

كلمات كليدي: انجمن­های پرسش و پاسخ سلامت، پردازش متن پزشکی، پروفایل­سازی متخصصین، شباهت مبتنی بر مفاهیم، موتور انتساب خودکار