Apache cTAKES: clinical Text Analysis and Knowledge Extraction System은 전자의무기록의 비정형 텍스트로부터 임상 정보를 추출하는 오픈 소스 자연어 처리(NLP) 시스템이다. 임상 노트를 처리하여 약물, 질병/질환, 징후/증상, 해부학적 부위 및 절차와 같은 임상 명명 엔티티 유형을 식별한다. 각 명명 엔티티는 텍스트 범위, 온톨로지 매핑 코드, 문맥(가족력, 현재 상태, 환자와 무관함) 및 부정/긍정 여부에 대한 속성을 갖는다.
cTAKES의 구성 요소는 임상 도메인에 특화되어 훈련되었으며, 임상 의사 결정 지원 시스템과 임상 연구에서 활용할 수 있는 풍부한 언어 및 의미론적 주석을 생성한다.
이러한 구성 요소는 다음과 같다:
명명된 섹션 식별자
문장 경계 탐지기
규칙 기반 토크나이저
서식 있는 목록 식별자
정규화 도구
문맥 의존 토크나이저
품사 태거
구문 청커
사전 조회 주석 도구
문맥 주석 도구
부정 탐지기
불확실성 탐지기
피험자 탐지기
의존성 파서
환자 흡연 상태 식별자
약물 언급 주석 도구
역사
cTAKES의 개발은 2006년 메이오 클리닉에서 시작되었다. 게르가나 사보바 박사와 크리스토퍼 추트 박사가 이끄는 개발팀에는 의사, 컴퓨터 과학자, 소프트웨어 엔지니어가 포함되었다. 배포 후 cTAKES는 메이오 클리닉의 임상 데이터 관리 인프라의 필수적인 부분이 되어 8천만 건 이상의 임상 노트를 처리했다.
2010년 초 사보바 박사가 보스턴 아동병원으로 자리를 옮기면서 핵심 개발팀은 그곳의 구성원들을 포함하며 성장했다. 외부 협력 기관은 다음과 같다:
NegEx - 임상 텍스트에서 부정된 용어를 탐지하기 위해 피츠버그 대학교에서 개발된 도구이다. 이 시스템은 문장 내의 잠재적인 부정 상황을 결정하는 방법으로 트리거 용어를 활용한다.
ConText: NegEx의 확장 기능으로, 이 또한 피츠버그 대학교에서 개발되었다. ConText는 NegEx를 확장하여 부정된 개념을 탐지할 뿐만 아니라 시간적(최근, 역사적 또는 가상의 시나리오) 요소와 (경험의) 주체가 누구인지(환자 또는 타인)를 찾아낸다.
MetaMap (미국 국립 의학 도서관 제작): UMLS를 기반으로 구축된 포괄적인 개념 태깅 시스템이다. 사용을 위해서는 활성화된 UMLS 메타시저스 라이선스 계약(및 계정)이 필요하다.
MedEx - 임상 텍스트에서 약물 정보를 추출하는 도구이다. MedEx는 자유 텍스트 임상 기록을 처리하여 약물 이름과 약물 용량, 빈도, 경로, 기간과 같은 처방 정보를 인식한다. UMLS 라이선스가 있으면 무료로 사용할 수 있다. 리눅스 및 윈도우용 독립형 애플리케이션이다.
SecTag (섹션 태깅 계층 구조): NLP, 베이지안, 맞춤법 교정 및 점수 매기기 기술을 사용하여 노트 섹션 헤더를 인식한다. UMLS 또는 LOINC 라이선스가 있으면 무료로 사용할 수 있다.
(스탠포드 명명 엔티티 인식기(NER)): 스탠포드의 NER은 영어와 독일어의 명명 엔티티 인식을 위해 잘 설계된 기능과 함께 조건부 확률장(CRF) 시퀀스 모델을 사용한다.
(스탠포드 CoreNLP)는 자바 기반의 영어용 자연어 처리 도구 모음이며, 토큰화, 품사 태깅, 명명 엔티티 인식, 파싱, 공지시어 분석을 포함한다.