發展一個可自動將醫學文獻摘要轉換成實證醫學PICO架構的智慧型系統

彭士魁 ； 蔣榮先

《台灣實證醫學學會會刊》 2卷1期 (2009/01) Pp. 8-11

https://doi.org/10.6864/EC.200901_2(1).0002

摘要

研究背景：在這資訊爆炸的時代，醫師必須利用實證醫學的技巧，來獲得最新最好的醫學知識並應用在病人身上。醫學資訊對於實證醫學的研究，過去的文獻大多著重在改善搜尋策略和搜尋引擎的部分。我們提出一個不同於以往文獻報告的新方法，來加速實證醫學的實行。研究目標：本研究的目標是發展一個可自動將醫學文獻摘要轉換成實證醫學PICO架構的智慧型系統。我們也評估了是否本系統能夠幫助醫師節省閱讀醫學文獻摘要的時間。研究方法：我們從美國家庭醫師醫學會設立的“家庭醫師查詢網（Family Physicians Inquiries Network）”當中，隨機選出了五個治療型問題，並擷取問題中的疾病診斷作為開發系統的搜尋關鍵字(acne、asthma、Parkinson's disease、sciatica、septic shock)；此外，我們再從國內健保門住急診給付前十大疾病當中，挑選出五個比較具特異性的診斷，同時再各自加上一個可能的治療，組合成另外五個搜尋關鍵字[(1) (peptic ulcer) AND (proton pump inhibitor)(2) (chronic obstructive pulmonary disease) AND (steroids) (3) (chronic renal failure) AND(statin) (4) (hypertension) AND (calcium channel blockers) (5) (ischemic heart disease) AND (beta blockers)]。利用上述的十個搜尋關鍵字，再加上特殊的搜尋策略{Clinical Queries: (Category: therapy& Scope: narrow, specific search), PubMed Limits: Abstracts, Humans, English}， 從PubMed 下載489 篇醫學文獻的摘要，來當作本研究的標準文件集。接著我們從標準文件集當中，以人工閱讀的方式歸納出從摘要中擷取含有PICO 資訊的句子之規則，並將這些規則寫成程式(rule-based methods)，以建立此一系統（如圖一：系統架構）。而在建立系統之後，我們將系統判定的結果和人工判定的結果相比對，來得出系統的效能（正確率等等）。此外，利用網頁呈現的形式（如圖二：原始摘要和系統轉換後的PICO形式呈現），我們也測量了醫師閱讀原始摘要和PICO架構的時間，並記錄醫師給予本系統的評分（1-5分）。研究結果：本智慧型系統判斷醫學文獻分類的正確率為89%，擷取含有P、I&C、O資訊的句子準確率分別為91.7%、91.6%、87.5%。我們使用獨立T檢定和Mann-Whitney 檢定，來比較醫師閱讀原始摘要和PICO 架構的時間，結果都顯示閱讀PICO架構的時間比較短，而且有統計學上顯著的差異(P＜0.05)。在系統呈現的PICO架構中，醫師能夠讀懂其中的87.1%。醫師給予本系統的平均分數為3.973分。結論：在這資訊爆炸的時代，醫師如何利用實證醫學的概念，吸收最新的醫學知識並應用在病人身上，是近幾年非常重要的課題。本研究提出一個不同於以往文獻報告的方法，來加速實證醫學的實行，我們建立了一個智慧型系統，本系統成功地將醫學文獻摘要轉換成PICO架構，並能幫助醫師更有效率地閱讀醫學文獻摘要。

關鍵字

實證醫學 ； PICO架構 ； 智慧型系統