เปรียบเทียบวิธี

	การทำเหมืองข้อความทางการแพทย์	การวิเคราะห์ความรู้สึก
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2000s–2020s (established domain; BioBERT milestone 2020)	—
ผู้ริเริ่ม	Community-driven; foundational work by i2b2/UTHealth NLP challenges and BioBERT (Lee et al., 2020)	—
ประเภท	NLP information-extraction pipeline	NLP text-classification task
แหล่งต้นตำรับ	Lee, J., Yoon, W., Kim, S., Kim, D., Kim, S., So, C. H., & Kang, J. (2020). BioBERT: a pre-trained biomedical language representation model for biomedical text mining. Bioinformatics, 36(4), 1234–1240.	Pang, B. & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1-135.
ชื่อเรียกอื่น	clinical NLP, clinical information extraction, Klinik Metin Madenciliği	opinion mining, polarity detection, duygu analizi
ที่เกี่ยวข้อง	5	3
สรุป	Clinical text mining is a specialised branch of natural language processing that extracts structured clinical facts — diagnoses, symptoms, medications, treatments, and ICD codes — from unstructured healthcare documents such as discharge summaries, progress notes, and radiology reports. Grounded in biomedical NLP models like BioBERT (Lee et al., 2020) and the i2b2/UTHealth shared-task benchmarks (Stubbs & Uzuner, 2015), it converts free-text clinical narratives into machine-readable data suitable for clinical decision support and health analytics.	Sentiment analysis, also called opinion mining, is a natural-language-processing task that detects the emotional tone of text — typically classifying it as positive, negative, or neutral. It turns unstructured opinion text into structured, quantifiable polarity signals using one of three families of approaches: sentiment lexicons, trained machine-learning classifiers, or pretrained transformer models.