Zdravotnická dokumentace má v České republice obvykle povahu volného textu formátovaného jen pomocí mezer, tabulátorů a nových řádků. Extrakce informací z takových zpráv představuje výzvu, jejíž splnění by umožnilo její snadné využívání při poskytování zdravotní péče v zahraničí či převod do strukturované formy. Pro identifikaci a extrakci informací lze využít různých přístupů, od regulární analýzy po pokročilou lingvistickou analýzu a statistické metody. Článek shrnuje naše poznatky získané při regulární analýze a při využití běžně využívaných klasifikačních systémů.

Healthcare documentation in the Czech Republic usually has the form of a free text formatted just using spaces, tabs and line breaks. Extracting information from such a documentation is a challenge that if fulfilled would allow to use Czech medical reports by physicians with no knowledge of the Czech language as well as information transfer to a structured form. It is possible to approach this task as a task of finite-state machine, as a task of the linguistic analysis or as a task of statistics. This article summarizes our findings gained using finite-state machines and using commonly used code lists. Excerpts from real medical reports are translated to English in a way that demonstrates the same or similar problems as in the Czech language. Original Czech excerpts are available in the Czech version of this article.

Centre of Biomedical Informatics Institute of Computer Science AS CR Prague Czech Republic

Identifikace jednotek a dalších termínů v českých lékařských zprávách

Citace poskytuje Crossref.org

Lit.: 13