การทำเหมืองข้อความทางการแพทย์ — การสกัดสารสนเทศด้วยการประมวลผลภาษาธรรมชาติทางการแพทย์
การทำเหมืองข้อความทางการแพทย์ (Clinical text mining) เป็นสาขาเฉพาะทางของการประมวลผลภาษาธรรมชาติ (Natural Language Processing หรือ NLP) ที่สกัดข้อเท็จจริงทางการแพทย์ที่มีโครงสร้าง เช่น การวินิจฉัย อาการ ยา การรักษา และรหัส ICD ออกจากเอกสารทางการแพทย์ที่ไม่มีโครงสร้าง เช่น สรุปการจำหน่ายผู้ป่วย บันทึกความก้าวหน้า และรายงานรังสีวิทยา โดยอาศัยแบบจำลอง NLP ทางชีวการแพทย์ เช่น BioBERT (Lee et al., 2020) และเกณฑ์มาตรฐาน i2b2/UTHealth shared-task (Stubbs & Uzuner, 2015) วิธีนี้จะแปลงบันทึกทางการแพทย์ที่เป็นข้อความอิสระให้เป็นข้อมูลที่เครื่องอ่านได้ ซึ่งเหมาะสมสำหรับการสนับสนุนการตัดสินใจทางคลินิกและการวิเคราะห์สุขภาพ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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. DOI: 10.1093/bioinformatics/btz682 ↗
- Stubbs, A. & Uzuner, Ö. (2015). Annotating risk factors for heart disease in clinical narratives for the 2014 i2b2/UTHealth shared task. Journal of the American Medical Informatics Association, 22(e1), e30–e39. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Clinical Text Mining (Clinical NLP Information Extraction). ScholarGate. https://scholargate.app/th/text-mining/clinical-text-mining
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การสกัดสารสนเทศการทำเหมืองข้อความ↔ compare
- การรู้จำหน่วยคำนาม (Named Entity Recognition - NER)การทำเหมืองข้อความ↔ compare
- การทำเหมืองข้อความเชิงวิทยาศาสตร์การทำเหมืองข้อความ↔ compare
- การวิเคราะห์ความรู้สึกการทำเหมืองข้อความ↔ compare
- การจำแนกข้อความการทำเหมืองข้อความ↔ compare