Using Case-Based Reasoning and Argumentation to Assist Medical Coding - Department of Natural Language Processing & Knowledge Discovery Accéder directement au contenu
Thèse Année : 2020

Using Case-Based Reasoning and Argumentation to Assist Medical Coding

Assistance au codage médical par du raisonnement à partir de cas argumentatif

Michael Schnell

Résumé

The aim of the National Cancer Registry (NCR) in Luxembourg is to collect data about cancer and the quality of cancer treatment. To obtain high quality data that can be compared with other registries or countries, the NCR follows international coding standards and rules, such as the International Classification of Diseases for Oncology (ICD-O). These standards are extensive and complex, which complicates the data collection process. The operators, i.e. the people in charge of this process, are often confronted with situations where data is missing or contradictory, preventing the application of the provided guidelines. To assist in their effort, the coding experts of the NCR answer coding questions asked by operators. This assistance.is time consuming for experts. To help reduce this burden on experts and to facilitate the operators’ task, this project aims at implementing a coding assistant that would answer coding questions. From a scientific point of view, this thesis tackles the problem of extracting the information from a set of data sources under a given set of rules and guidelines. Case-based reasoning has been chosen as the method for solving this problem given its similarity with the reasoning process of the coding experts. The method designed to solve this problem relies on arguments provided by coding experts in the context of previously solved problems. This document presents how these arguments are used to identify similar problems and to explain the computed solution to both operators and coding experts. A preliminary evaluation has assessed the designed method and has highlighted key areas to improve. While this work focused on cancer registries and medical coding, this method could be generalized to other domains.
Le but du Registre National du Cancer (RNC) du Luxembourg est de collecter des données sur le cancer et la qualité des traitements au Luxembourg. Afin d’obtenir des données de haute qualité et comparables avec celles d’autres registres ou pays, le RNC suit les règles et standards internationaux de codification comme la Classification International des Maladies pour l’Oncologie (COM-O). Ces standards sont complexes et considérables, compliquant fortement le processus de collecte des données. Les encodeurs en charge de la collecte des données sont souvent confrontés à des situations dans lesquelles des données sont manquantes ou contradictoires, les empêchant d’appliquer les règles fournies. Pour les aider dans leur tâche, les exports de codification du RNC répondent aux questions de codage des encodeurs. Cependant, ces réponses requièrent beaucoup de temps des experts. Le but de ce projet est de réduire le temps d’expert nécessaire et de faciliter le travail des encodeurs. D’un point de vue scientifique, cette thèse s’intéresse au problème de synthèse d’informations à partir d’un ensemble de données provenant de différentes sources avec des contraintes et recommandations à respecter. Le raisonnement à partir de cas est utilisé pour résoudre ce problème car cette méthodologie ressemble à cette employée par les experts. La méthode de résolution conçue utilise des arguments fournis par les experts de codification dans le cadre de questions posées précédemment par les encodeurs. Ce document décrit comment ces arguments servent à identifier des questions similaires et à expliquer la réponse aux encodeurs et aux experts. Une évaluation préliminaire a été réalisée pour évaluer la performance de la méthode et identifier des pistes d’améliorations. Dans un premier temps, le travail produit porte sur les registres du cancers et la codification médicale, cependant l’approche est généralisable à d’autres domaines.
Fichier principal
Vignette du fichier
mschnell_these_vfinal.pdf (2.17 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03112664 , version 1 (17-01-2021)

Identifiants

  • HAL Id : tel-03112664 , version 1

Citer

Michael Schnell. Using Case-Based Reasoning and Argumentation to Assist Medical Coding. Artificial Intelligence [cs.AI]. Université de Lorraine, 2020. English. ⟨NNT : 2020LORR0168⟩. ⟨tel-03112664⟩
145 Consultations
130 Téléchargements

Partager

Gmail Facebook X LinkedIn More