[发明专利]用于医学文本内的癌症分期注释的方法和系统

说明书

一种用于使用注释系统(400)根据基于文本的源生成标准化癌症分期的方法(100)，包括：(i)由分期注释器从基于文本的源中提取(130)关于患者的癌症的分期的信息以生成癌症注释；(ii)由疾病注释器根据基于文本的源识别(140)指示癌症的类型的信息；(iii)由分期同义词注释器从基于文本的源中提取(150)与癌症同义的信息以生成癌症注释；(iv)由分期规范化器将来自分期注释器和分期同义词注释器的癌症注释转换(160)为标准化癌症分期；并且(v)报告(170)标准化癌症分期，该报告包括标准化癌症分期、从基于文本的源中提取的癌症注释和/或癌症注释中的每个在基于文本的源内的位置。

技术领域

本公开总体上涉及用于表征和标准化从文档获得的癌症分期信息的方法和系统。

背景技术

癌症分期是癌症的关键属性。例如，癌症分期衡量癌症的大小及其已经增长多远。因此，分期信息可以帮助医学专业人员选择最佳处置。例如，当搜索针对特定患者的合格试验时，患者的癌症分期必须与如合格性准则中找到的试验的癌症分期要求精确匹配。然而，除了自由文本之外，在临床试验中没有结构化的癌症分期信息。因此，从整个临床试验文档中检测分期并将其归一化对于临床试验匹配至关重要。然而，从试验中手动提取分期信息是耗时、费力且容易出错的。

存在用于癌症的两种主要类型的标准化分期系统。这些是TNM(肿瘤、结节和转移)系统和数字分期系统。标准化分期系统提供多种益处。首先，医学专家有公共语言来描述癌症。第二，可以在不同的医学处置机构之间对处置指南进行标准化。此外，如果使用标准化分期系统，则可以在研究学习之间准确比较处置结果。除了这两种主要类型的分期系统外，还有若干其他方法来描述未标准化的癌症分期。这些分期同义词中的一些可以手动转换到标准化分期系统之一，但是没有自动的转换机制。例如，诸如“原位癌”的短语能够等同于“0期”，而诸如“转移性癌症”和“晚期癌症”的短语则是“4期”的同义词。

尽管分期信息能够是极其有益的，但是通常没有结构化的分期信息可用，因为包括医学试验文档在内的许多种类的临床文档作为自由文本存在，并且在该自由文本中找到的分期信息是非结构化的。

发明内容

持续需要从基于文本的文档中自动提取分期信息并将所提取的分期信息转换为标准化格式的方法和系统。本文的各种实施例和实施方式涉及一种方法和系统，其被配置为接收和处理诸如试验文档或临床文档的基于文本的源，以进行基于文本的分析。该系统从基于文本的源中提取关于患者的癌症的分期的信息以生成一个或多个癌症注释，包括基于文本的源内具有指示癌症的分期的信息一个或多个位置的识别。该系统识别基于文本的源内之事癌症的类型的信息，并且如果同义词信息由决策模型确定为与基于文本的源内识别的癌症的类型密切相关，则从基于文本的源内提取与癌症同义的信息以生成一个或多个癌症注释。该系统将癌症注释转换为规范化或标准化癌症分期。任选地报告癌症分期以及从基于文本的源中提取的癌症注释和/或基于文本的源内的一个或多个癌症注释的位置。

通常，在一个方面中，提供了一种用于使用注释系统根据基于文本的源生成标准化癌症分期的方法。该方法包括：(i)接收基于文本的源，所述基于文本的源包括关于患者的医学状态或状况的信息；(ii)由处理器处理所述基于文本的源以进行基于文本的分析；(iii)由分期注释器从所述基于文本的源中提取关于所述患者的癌症的分期的信息以生成一个或多个癌症注释，所述一个或多个癌症注释包括对所述基于文本的源内包括指示癌症的分期的信息的一个或多个位置的识别；(iv)由疾病注释器识别来自所述基于文本的源的指示癌症的类型的信息；(v)在同义词信息由决策模型确定为与所识别的指示癌症的类型的信息密切相关的情况下，由分期同义词注释器从所述基于文本的源中提取与癌症同义的信息以生成一个或多个癌症注释；(vi)由分期规范化器将来自所述分期注释器和所述分期同义词注释器的所述一个或多个癌症注释转换为标准化癌症分期；并且(vii)报告所述标准化癌症分期，所述报告包括：所述标准化癌症分期、从所述基于文本的源中提取的所述一个或多个癌症注释和/或所述一个或多个癌症注释中的每个癌症注释在所述基于文本的源内的所述位置。