日本語の症例報告への自動アノテーション技術の開発

今年度は研究に必要な言語資源にアクセス可能とする作業と、得られた場合に実施する作業の準備を行った。具体的には、多くの日本語の症例報告を機械処理可能とすべく、J-STAGEに収載されている文献への網羅的なアクセスを可能とするための契約をJSTと結んだ。一方で、本研究の目的に照らして必要な文献を選択するために必要な疾患名のリストをMONDOやNANDOなどの疾患名辞書から構築した。さらに、上述のJ-STAGE収載文献の題目を対象として、既存の疾患名抽出ツールMedNERやMedNLPParserを用いて疾患名を抽出し、利用可能な文献を把握する調査を進めた。その結果、10,216文献から363疾患名が抽出された。疾患名の同義語や概念的下位語を含めた指定難病疾患名が1,031であることから、カバー率は35%であった。また、小児慢性疾患においては、2,325文献から抽出された本研究の対象となる疾患名の数は195であった。このカバー率は11%程度であり、この結果からのみ得られる結論としては、日本語症例報告に報告される、難病・希少疾患は、十分では無いこととなる。しかし、今回はNANDOに記載のある主要な病名に対応する文献を抽出しており、十分な類義語を含んだ抽出とはなっていないため、このカバー率はさらに上昇する可能性がある。また日本の指定難病以外の難病・希少疾患はOMIMやOrphanetに収載されており、このような難病・希少疾患の抽出を次のステップでは目指し、日本語症例報告における難病・希少疾患の言語リソースの限界を明らかとする。現時点では、十分な難病・希少疾患の類義語を含んだ日本語訳リストは存在せず、本課題とは別の共同研究者のもとで現在作成中であることも明らかとなった。

今年度は研究に必要な言語資源にアクセス可能とする作業と、得られた場合に実施する作業の準備を行った。具体的には、多くの日本語の症例報告を機械処理可能とすべく、J-STAGEに収載されている文献への網羅的なアクセスを可能とするための契約をJSTと結んだ。一方で、本研究の目的に照らして必要な文献を選択するために必要な疾患名のリストをMONDOやNANDOなどの疾患名辞書から構築した。さらに、上述のJ-STAGE収載文献の題目を対象として、既存の疾患名抽出ツールMedNERやMedNLPParserを用いて疾患名を抽出し、利用可能な文献を把握する調査を進めた。その結果、10,216文献から363疾患名が抽出された。疾患名の同義語や概念的下位語を含めた指定難病疾患名が1,031であることから、カバー率は35%であった。また、小児慢性疾患においては、2,325文献から抽出された本研究の対象となる疾患名の数は195であった。このカバー率は11%程度であり、この結果からのみ得られる結論としては、日本語症例報告に報告される、難病・希少疾患は、十分では無いこととなる。しかし、今回はNANDOに記載のある主要な病名に対応する文献を抽出しており、十分な類義語を含んだ抽出とはなっていないため、このカバー率はさらに上昇する可能性がある。また日本の指定難病以外の難病・希少疾患はOMIMやOrphanetに収載されており、このような難病・希少疾患の抽出を次のステップでは目指し、日本語症例報告における難病・希少疾患の言語リソースの限界を明らかとする。現時点では、十分な難病・希少疾患の類義語を含んだ日本語訳リストは存在せず、本課題とは別の共同研究者のもとで現在作成中であることも明らかとなった。