是否有包含普通医学术语的NLP语料库？

Question

我正在尝试使用NLTK库从病人的医疗报告中提取表示医疗症状的关键词。例如，我有一份医疗报告如下：

S:一位33岁的女结晶师会出现轻微的眩晕，轻微的头痛，尤其是在后脑勺和早上x2周。pt还报告慢性轻度偶尔头晕。O:身高160 cm，体重53.8kg，温度37.3℃，脉搏76℃，SystolicBP 146，DiastolicBP 93，呼吸15，心脏=心脏底部收缩期杂音2/6，胸部听诊B/L清楚，无罗音或喘息，四肢=无水肿或棍棒，心脏=正常S1，S2，RRR a:高血压: E/M水平2级(确定患者)-完成，并规定氢氯噻嗪- 50 mg po qd，胆固醇有序。

在这里，我想找到所有的关键字或图表，代表医学症状。在上面的文章中，这些关键词是“轻微眩晕”、“轻微头痛”、“头晕”等。

为此，我需要一些代表症状的术语集合，这样我就可以在我的医疗报告中检测到类似的术语。是否有与医学术语相关的NLTK语料库？如果我找到一张表示医疗症状的单词清单，我就可以把我在医疗报告中发现的单词与语料库中的单词进行比较。

谢谢。

Answer 1

欢迎来到生物医学领域，这是NLP中为数不多的有太多资源可供选择的领域之一:)

• 数据资源：
  • 梅德林是一个包含3000万篇摘要的数据库语料库。
  • 每个Medline摘要都带有网格描述符注释，网格是医学概念的结构化层次结构。
  • PubMed中环(PMC)是一个包含大约600万篇完整生物医学论文(不仅仅是摘要)的数据库。
  • UMLS是一个数据库，包含数以百万计的按概念分组的医学术语，其本身按语义类型(如疾病、基因等)分组。
  • PubTator是一种资源，它提供了所有Medline和PMC文档，并结合了网格和其他本体进行了完整的注释。

• 软件工具：
  • MetaMap是一个受人尊敬的注释器系统，它用UMLS标签对任何医学文本进行注释。
  • cTakes是另一个更专业的临床文本注释系统。
  • SciSpacy是一种专用于生物医学文本的Spacy变体。它还可以用UMLS标签注释医学术语。

我认为这是我所知道的所有主要的.到目前为止。

根据您的描述，在我看来，您可能只需要cTakes或SciSpacy。如果您要开始使用Medline或PMC，请注意这些数据集很大(几百GB)。