Διερεύνηση ιατρικών υποθέσεων για τον καρκίνο του τραχήλου της μήτρας με χρήση προηγμένων τεχνικών εξόρυξης γνώσης σε κείμενα διαδικτυακών βάσεων βιοιατρικής βιβλιογραφίας

Abstract

Ο στόχος της διπλωματικής εργασίας είναι η διερεύνηση ιατρικών υποθέσεων με προηγμένες τεχνικές εξόρυξης γνώσης από βιοιατρικά κείμενα και η εφαρμογή των τεχνικών αυτών για την αναζήτηση ενός πλαισίου σχέσεων ανάμεσα στον ιό των ανθρωπίνων θηλωμάτων (HPV) και τον καρκίνο των πνευμόνων. Ο καρκίνος του τραχήλου της μήτρας, αποτελεί την δεύτερη πιο κοινή και την πέμπτη στατιστικά θανατηφόρα μορφή καρκίνου στις γυναίκες . Προσβάλλει περίπου 16 στις 100.000 γυναίκες και προκαλεί θνησιμότητα σε 9 από 100.000 γυναίκες ετησίως . Η ανακάλυψη ότι ο ιός των ανθρωπίνων θηλωμάτων (Human Papillomavirus: HPV) είναι η αποκλειστική αιτία εμφάνισης καρκίνου στο επιθήλιο του τραχήλου της μήτρας, καθιστά τον καρκίνο του τραχήλου της μήτρας μοναδικό στο είδος του. Οι ραγδαίες τεχνολογικές εξελίξεις στον τομέα της εξόρυξης γνώσης από δεδομένα και κείμενα τα τελευταία χρόνια, κατέστησαν δυνατή τη δημιουργία ενός πλαισίου αναζήτησης και εντοπισμού χρήσιμων πληροφοριών σε βιβλιογραφικές βάσεις δεδομένων, ξεκλειδώνοντας νέες δυνατότητες όσον αφορά την ανακάλυψη γνώσης. Στη βιοιατρική και ειδικότερα όσον αφορά τη διερεύνηση και διατύπωση υποθέσεων, η συμβολή των εργαλείων εξόρυξης κειμένου, είναι παραπάνω από ουσιαστική, καθότι βρίσκουν ολοένα και περισσότερη εφαρμογή με την πάροδο των χρόνων. Στα πλαίσια της παρούσας εργασίας, παρουσιάσαμε, υπό κάποιες παραδοχές, την εφαρμογή του μοντέλου υποθέσεων του Swanson και σε συνδυασμό με τη χρήση προηγμένων τεχνικών εξόρυξης γνώσης από κείμενα που βρίσκονται σε διαδικτυακές βάσεις βιοιατρικών δεδομένων, μελετήσαμε την πιθανή ύπαρξη σχέσης ανάμεσα στον ιό HPV, που προκαλεί τον καρκίνο του τραχήλου της μήτρας και τον καρκίνο των πνευμόνων. Επικεντρωθήκαμε στην οριοθέτηση του μοντέλου της υπόθεσης και στην αναζήτηση όρων που πιθανώς να συνδέουν τις δυο βιβλιογραφίες. Τα αποτελέσματα στα οποία καταλήξαμε, δείχνουν ότι υπάρχουν πιθανές συσχετίσεις, λόγω κάποιων λέξεων-κλειδιών, οι οποίες χρήζουν περαιτέρω έρευνας.

The goal of this diploma thesis is to investigate medical hypotheses with advanced text-mining techniques from biomedical texts and the application of these techniques to the search of a framework that indicates possible relations between the Human Papillomavirus (HPV) and lung cancer. Worldwide, cervical cancer is the second most common cancer and the fifth deadliest one in women. It affects about 16 in 100,000 women per year and kills about 9 in 100,000 per year. The discovery that the Human Papillomavirus (HPV) is the sole cause of cancer in the cervical epithelium, makes cervical cancer unique in its kind. The rapid technological developments in the field of extracting knowledge from data and texts in recent years, made it possible to create a framework for tracking and searching useful information in bibliographic databases, unlocking new possibilities as far the discovery of knowledge is concerned. In biomedicine, especially from the aspect of investigating and generating hypotheses, the contribution of text mining tools is more than substantial, while they are applied in a more constant basis over the years. In the context of this work, we presented the implementation of Swanson’s Hypothesis Model under some assumptions and combined it with the use of advanced text-mining techniques in texts found in online databases of biomedical data in order to investigate the possible existence of a relationship between the HPV virus and lung cancer. We concentrated on the establishment of the model of this particular case and on the search for keywords that can possibly be found in both bibliographies. Our results indicate that there are potential correlations via certain keywords, which require further investigation.