整合資訊檢索與醫學本體論之SARS知識管理系統

醫學資訊散佈於期刊文獻、各類資料庫與病患的病歷之中，當臨床醫療人員面臨疾病的診斷、治療、預防與研究工作時，需要掌握整合且充足的資訊，尤其當面對急性傳染病時，臨床醫師需要完整且正確的資訊，才能及時地做出適當地診斷與治療的決策。
本研究以嚴重急性呼吸道症候群 (Server Acute Respiratory Syndrome, SARS) 為主題，建置以本體論為基礎的SARS知識管理系統 (Ontology-based SARS KMS)，整合四種SARS相關的資料來源：生物醫學文獻、電子病歷、醫院標準作業程序與新聞。並依據三種資訊檢索模型 (Information Retrieval Model)：向量空間模型(Vector Space Model, VSM)、隱藏式馬可夫模型(Hidden Markov Model, HMM)以及主題式混合模型(Topical Mixture Model, TMM)應用於生物醫學領域的效果，建立知識管理系統的資訊檢索功能，用以協助臨床醫療人員快速地檢索到和病人真正相關的資訊。
另一方面，當新興疾病爆發時，大多數的臨床醫療人員通常對於疾病沒有充足的知識，因此會不清楚該用什麼關鍵字來檢索，而造成檢索不到任何結果或找不到相關的資訊，為了解決這樣的問題。本研究應用由胸腔科醫師所建置的SARS Ontology，設計查詢擴展(query expansion)程序，將使用者的查詢展開為更多相關的關鍵字來進行檢索，並透過相關回饋(relevance feedback)輔助臨床醫療人員逐漸檢索到準確的資訊。
本研究以SARS為主題，應用本體論結構涵蓋SARS相關的生物醫學、疾病診斷、流行病學、管理和症狀等知識，並應用於資訊檢索上，用以幫助臨床醫療人員從生物醫學文獻、電子病歷、醫院標準作業程序與新聞中，獲得SARS相關的資訊。運用相同的概念與方法，經過適度的修正與調整後，可以將研究架構應用至其他的疾病主題上。