다음을 통해 공유

断言检测

医学内容的含义受到修饰词的高度影响,例如负面或有条件的断言,如果被歪曲,这些断言可能会产生至关重要的影响。 健康文本分析支持对文本中的实体进行四种断言检测:

  • 确定性
  • 有條件的
  • 关联
  • 临时

断言输出

健康状况文本分析返回断言修饰符,这些修饰符是分配给医学概念的信息属性,能够提供对文本中概念上下文更深入的理解。 这些修饰符分为四个类别,每个类别侧重于不同的方面,并包含一组互斥的值。 每个类别仅为每个实体指定一个值。 每个类别最常见的值是默认值。 服务的输出响应仅包含不同于默认值的断言修饰符。 换句话说,如果未返回任何断言,则隐含断言为默认值。

CERTAINTY - 提供有关概念是否存在(存在或不存在)的信息,以及文本对其存在程度(明确或可能)的确定性。

  • Positive [默认值]:概念存在或已经发生。
  • Negative:概念目前尚不存在或者从未发生过。
  • Positive_Possible:概念可能存在,但存在一些不确定性。
  • Negative_Possible:概念可能不存在,但存在一些不确定性。
  • Neutral_Possible:概念可能存在,也可能不存在,没有偏向任何一方的倾向。

下面显示了一个断言检测示例,其中返回一个否定实体,确定性类别的值为负值:

{
    "offset": 381,
    "length": 3,
    "text": "SOB",
    "category": "SymptomOrSign",
    "confidenceScore": 0.98,
    "assertion": {
        "certainty": "negative"
    },
    "name": "Dyspnea",
    "links": [
        {
            "dataSource": "UMLS",
            "id": "C0013404"
        },
        {
            "dataSource": "AOD",
            "id": "0000005442"
        },
    ...
}

CONDITIONALITY - 提供有关概念是否存在取决于某些条件的信息。

  • None [默认值]:概念是事实,而不是假设,并且不依赖于特定情况。
  • Hypothetical:该概念可能在未来发展或发生。
  • Conditional:概念存在或仅在某些条件下出现。

ASSOCIATION - 描述概念是与文本主题还是其他人相关联。

  • Subject [默认值]:概念与文本的主体(通常为患者)相关联。
  • 其他:概念与非文本主体的某人关联。

TEMPORAL - 为概念提供附加的时态信息,详细说明它是与过去、现在还是未来相关的事件。

  • Current [默认值]:概念与属于当前遭遇的条件/事件相关。 例如,导致患者寻求医疗救治的医疗症状 (例如,“在来到急诊室前 5 天开始头痛”) 。 这包括新近做出的诊断,在此次接触过程中经历或导致此接触的症状,以及在此次接触中进行的治疗和检查。
  • Past:该概念与病情、检查、治疗、药物事件有关,这些事件是在当前就诊前存在或发生的,可能通过“s/p”、“最近”、“以前”、“儿童时期”、“在 X 岁时”等提示词来暗示。例如,过去诊断的病情、进行过的治疗、过去的检查及其结果、过去的入院情况等。医学背景被视为属于“PAST”。
  • Future:该概念与计划/怀疑将会出现的条件/事件有关,例如,将获得,将经历,计划在两周后进行。

后续步骤

如何调用用于健康的文本分析