Formalisation de règles d'indexation Mesh pour un usage automatique Aurélie Névéol1,2, F. Florea1, B. Thirion2, sj. Darmoni1,2

Formalisation de règles d'indexation MeSH pour un usage automatique

• Aurélie Névéol1,2, F. Florea1, B. Thirion2, SJ. Darmoni1,2

• Laboratoire PSI FRE CNRS 2645 - INSA de Rouen & Université de Rouen

• Equipe CISMeF & L@STICS, CHU de Rouen.

Plan

Indexation et codage de documents médicaux

• Depuis une dizaine d’années:

• Augmentation croissante du nombre de ressources médicales électroniques (dossiers patients, articles scientifiques, recommandations, etc. )

• Forte demande sur les professionnels de santé et les documentalistes pour une indexation ou un codage normalisé des informations à l’aide de terminologies (MeSH, CIM10, SNOMED…)

• Automatisation nécessaire

Exemple d’indexation: notice CISMeF

• Thésaurus MeSH (Medical Subject Headings) de la National Library of Medicine (NLM):

• ~23.000 mots clés (ex:tumeurs du sein, grossesse) organisés hiérarchiquement (ex: tumeurs du sein est un fils de tumeurs)
• 84 qualificatifs (ex:diagnostic, thérapeutique …)

• 265 Types de ressource CISMeF (ex: cours, mammographie, arbres de décision)

Affiliation de Qualificatifs et de Types de Ressource

• Qualificatif: précise le mot clé en délimitant la thématique traitée par un texte.

• eg. tumeurs du sein/diagnostic
• pied/radiographie

• Type de ressource: précise le mot clé (ou la paire MC/Q) en dénotant le support de l’information

• eg. tumeurs du sein/diagnostic\image
• pied\radiographie

Indexation Automatique dans CISMeF

• Objectifs définis par l’équipe après test de logiciels d’indexation existants:

• Augmenter la couverture du catalogue

• Aujourd’hui: ajout manuel de ~55 nouvelles ressources par semaine – 3.000+ ressources en attente

• Maintenir une indexation respectant les standards de l’indexation manuelle

• Notamment, associations Mot Clés/Qualificatifs, et Mot clé/Qualificatifs\Type de Ressource

Algorithme d’indexation

• 1. Repérage des éléments textuels

• 2. Mapping vers les termes MeSH (MC, Q) et CISMeF (TR)

• 3. Utilisation des propriétés de la terminologie

• - Hiérarchie

• - Associations Mot Clé / Qualificatif

• 4. Sélection (quasi) systématique des check tags

• 5. Calcul de score (normalisation tf*idf)

• 6. Constitution de l’index à l’aide d’une fonction de rupture

• 7. Pondération Majeur/Mineur

Construction des dictionnaires : Principe

• Format ~ DELA:

• FormeMeSH,MotCléMeSH.InfoFlexionnelle

• eg: grippe,grippe.N:fs (DELA)

• acariose,acarioses.N:fs (*DELA)

• Introduction des étiquettes MeSH pour les mots-clés, QMeSH pour les qualificatifs TR pour les types de ressource, MALADIE pour les mot-clés des arborescences C-F03, …

• eg: grippe,grippe.N+MeSH+MALADIE:fs diagnostic,diagnostic.N+QMeSH:ms

Construction des dictionnaires : réalisation

• Utilisation de l’existant: Dictionnaires DELA, Ressources UMLF (corpus Vidal)

• Production d’entrées complémentaires:

• Entrées semi-automatiques (maladies, syndromes, carences, tumeurs, …)
• Inclusion des synonymes MeSH et CISMeF (génération des entrées puis validation des pluriels)
• Traduction automatique de synonymes MeSH non traduits (EN/FR)
• Entrées manuelles

• Bilan: ~40.000 entrées (soit 83% du MeSH): en moyenne, 2,1 entrées/MC.

Apport lexicographique

Extrait du dictionnaire de mots simples

• Entrée « triviale »:

• accidents,accidents.N+MeSH:mp

• Dérivation:

• accidentel,accidents.A+MeSH:ms

• Flexions:

• accident,accidents.N+MeSH:ms

• accidentelle,accidents.A+MeSH:fs

• accidentelles,accidents.A+MeSH:fp

• accidentels,accidents.A+MeSH:mp

Extrait du dictionnaire de mots composés

• Entrée « triviale »:

• diabete insulinodependant,diabete de type I.N+MeSH:ms

• Variante orthographique:

• diabete insulino-dependant,diabete de type I.N+MeSH:ms

• Synonymes:

• diabete juvenile,diabete de type I.N+MeSH:ms

• diabete insulinodependant,diabete de type I.N+MeSH:ms

• Flexion:

• diabetes de type I,diabete de type I.N+MeSH:mp

• diabetes juveniles,diabete insulinodependant.N+MeSH:mp (synonyme)

• Dérivation:

• diabetique de type I,diabete de type I.N+MeSH:ms (synonyme)

• diabetiques de type I,diabete de type I.N+MeSH:mp (synonyme)

Construction des transducteurs

• Règles:

• Associations Mot clé/Qualificatifs (Indexation de textes)
• Associations Mot clé/Qualificatifs\Type de Ressource (Indexation texte-image)
• Priorité aux Qualifs et TR les plus fréquents

• Bilan: ~15 transducteurs

Méthode

• Entretien avec un expert MeSH: travail sur corpus indexé

• Identification de comportements d’indexation récurrents: élaboration des règles

• Validation par l’expert

• Implémentation

Associations MC/Q

• Règle: indication de la technique T -> technique T / UT

• !! indication de la substance S -> substance S / TU

Associations MC\TR

• Règle: Image I de l’Organe O -> Organe O\Image I

• (« Fig. 1: radiographie du pied » ->pied\radiographie)

• Image I confirmer Maladie M -> Maladie M\Image I

• (« la radiographie met en évidence une fracture de l’humérus » -> humérus, fracture\radiographie)

Règles non prises en charge

• Si le mot clé est sélectionné, ainsi qu’une MALADIE de l’arborescence C04

• → la paire doit être utilisée pour l’indexation.

• "ArthroScanner de l'épaule "

• → <épaule\tomodensitométrie> + <épaule\arthrographie>

• + <épaule, fracture\tomodensitométrie> + <épaule, fracture\arthrographie> + …

Impact sur l’indexation

• Indexation de 82 ressources extraites aléatoirement de CISMeF:

• Couverture MeSH des mots clés utilisés par les documentalistes pour indexer le corpus de test: 33% puis 60%
• On considère qu’un mot-clé est « couvert » s ’il existe au moins une entrée DELA pour ce MC.

Résultats: rang vs. F-measure

Remarques

• Extraction des mots clés:

• Limite des dictionnaires: aucun bruit, mais silence du:
• Ponctuation, typographie
• Variantes non répertoriées
• Mot clés « implicites » (eg. étude comparée)

• Combinaison avec une méthode d’indexation statistique (kNN)

Perspectives

• Amélioration du système:

• Enrichissement des ressources linguistiques
• Distinction Majeur/Mineur

• Mise en production: Automne 2005

• Indexation entièrement automatique des ressources portant sur des thèmes déjà largement couverts
• Indexation semi-automatique (automatique+validation) pour les autres ressources
• Evaluation par les documentalistes (qualitative et quantitative)

Merci de votre attention!

• Contact: [e-mail]

• Références:

• [1]   Darmoni SJ, Leroy JP, Thirion B, Baudic F, Douyère M and Piot J. CISMeF: a structured Health resource guide. Meth Inf Med 2000: 39(1): 30-5

• [2] Névéol A, Rogozan A, Darmoni SJ. Indexation automatique de ressources de santé à l’aide de paires de descripteurs MeSH (2005) TALN, sous presse.

• [3]   Douyère M. Soualmia LF., Névéol A., Rogozan A., Dahamna B., Leroy JP., Thirion B., Darmoni SJ. (2004) Enhancing the MeSH thesaurus to retrieve French online health resources in a quality-controlled gateway. Health Info Libr J. 2004 Dec;21(4):253-6.

• [4]   Florea FI, Rogozan A, Bensrhair A and Darmoni SJ. Medical image retrieval by content and keyword in a on-line health-catalogue context, Proc. Mirage 2005 : 229-36