An ontology based approach in health information systems: Blood test ontology example

Abstract

Health domain is a complex and distributed research area, where different institutions and people take and provide service, at the same time. Therefore, the health data about a patient is completely distributed among doctors, clinics, hospitals, pharmacies and insurance companies. To share and reuse the distributed, well-structured and semantically rich clinical data with the appropriate permissions from anywhere is one of the major areas that the research of information systems focused in healthcare domain in recent years. The semantic web provides a technological infrastructure with representing the meaning of data and reasoning new information from the existing knowledge for the healthcare domain. The blood, as the life fluid, gives hints to the clinicians about a patient's general health status by analyzing the ingredients in. The results of blood tests contain lots of information that can be used by different clinics. In the diagnostic phase, analyzing the blood for the same tests repeatedly delays to start the treatment process and increases the cost. The Blood Test Ontology is developed to model the blood tests semantically that is done in the health field and also to define information related with the blood and the blood tests as well as the relationships between them. The ontology in this work is developed with the aim to be used in the health information system, which should provide the querying, sharing and reusing the personalized the blood test result of the patients, as a knowledge base. The Blood Test Ontology is supported by the medical information standards to be able to interoperable with the other medical ontologies that are developed in the health.

Sağlık bilgi sistemlerinde ontoloji tabanlı bir yaklaşım: Kan testi ontolojisi örneği

Öz

Sağlık alanı, farklı kurum ve kişilerin hizmet aldığı aynı zamanda da hizmet sunduğu dağıtık ve karmaşık bir alandır. Bir hasta ile ilgili sağlık veriler de bunun sonucunda; doktorlar, klinikler, eczaneler, sigorta şirketleri ve hastaneler arasında tamamen dağılmış durumdadır. Anlamsal olarak zengin ve yüksek seviyede yapılandırılmış bu dağıtık klinik verinin sağlık alanında her yerden uygun izinler ile paylaşılması ve yeniden kullanılabilmesi, son yıllarda bilgi sistemlerinin odaklandığı önemli çalışma alanlarından biridir. Anlamsal Web'in sunduğu verinin anlamını sunarak bilginin gösterilebilmesi ve bilgilerden yeni bilgiler çıkarılması, sağlık alanı için uygulanabilecek teknolojik bir alt yapı sunmaktadır. Yaşam sıvısı olan kan, içeriğindeki maddeler ile kişilerin hastalıkları hakkında doktorlara ipuçları vermektedir. Sağlık alanında kan testlerinin sonuçları birçok farklı klinik tarafından kullanılabilecek bilgiyi içermektedir. Hastalığın teşhis aşamasında, aynı kan testlerinin yeniden yapılması teşhis süresini uzatıp tedaviyi geciktirirken, maliyeti arttıran bir süreçtir. Kan Testi Ontolojisi, kan ile ilgili sağlık alanında yapılan tüm tıbbı testleri anlamsal olarak modellemek, kan ve kan testlerine ilişkin bilgileri ve bunlar arasındaki ilişkileri tanımlamak üzere geliştirilmiştir. Hastaların kişiselleştirilmiş kan test sonuçlarının sorgulanmasını, paylaşılmasını ve yeniden kullanılmasını sağlayacak olan bir sağlık bilgi sisteminin bilgi tabanı olarak kullanılması amacıyla geliştirilen Kan Testi Ontolojisi, sağlık alanında farklı tıbbi ontolojiler ile birlikte çalışabilir olabilmesi için tıbbi bilişim standartları ile de desteklenmektedir.

Anahtar Kelimeler

• Kan testi ontolojisi, Sağlık bilgi sistemleri, Anlamsal web, Ontoloji, Tıbbi bilişim standartları

Kaynakça

1. Dorland WAN. Dorland's Illustrated Medical Dictionary. W.B. Saunders, Philadelphia, 32nd Ed., 2012.
2. Sezer E, Can Ö, Bursa O, Ünalır MO. “Sağlık bilgi sistemleri: Kan test ontolojisi için durum çalışması”. 2015 Akademik Bilişim Konferansları, Eskişehir, Türkiye, 4-6 Şubat 2015.
3. Intel Information Technology. “Converging technologies in healthcare IT, Computer Manufacturing Healthcare”. http://www.intel.com/it/pdf/converging-technologies- in-healthcare-it.pdf (30.12.2013).
4. Della Valle E, Cerizza D, Celino I, Dogac A, Laleci G, Kabak Y, Okcan A, Gulderen O, Namli T, Bicer V. “An eHealth Case Study: Applying Semantic Web Service Technology in the Healthcare Environment”. Semantic Web Services, Springer, Berlin Heidelberg, 385-402, 2007.
5. Bick U, Lenzen H. “PACS: The silent revolution”. European Radiology, 9(6), 1152-1160, 1999.
6. Jeffrey PH, Geoffrey MM. “The role of laboratory information systems in healthcare quality improvement”. International Journal of Health Care Quality Assurance, 21(7), 679-691, 2008.
7. Ajami S, Bagheri-Tadi T. “Barriers for Adopting Electronic Health Records (EHRs) by Physician”. Acta Informatice Medica, 21(2), 129-134, 2013.
8. Coorevits P, Sundgren M, Klein GO, Bahr A, Claerhout B, Daniel C, Dugas M, Dupont D, Schmidt A, Singleton P, De Moor G, Kalra D. “Electronic health records: new opportunities for clinical research”. Journal of Internal Medicine, 274(6), 547-560, 2013.

9. Iakovidis I. “Towards personal health records: Current situation, obstacles and trends in implementation of Electronic Healthcare Records in Europe”. International Journal Medical Informatics, 52(1-3), 105-115, 1998.
10. CEN/ISSS eHealth Standardization Focus Group. “Current and Future Standardization Issues in the e-Health Domain: Achieving Interoperability”. Draft European Standard for CEN Enquiry, European Committee for Standardization, Brussels, Belgium, 2005.
11. Eichelberg M, Aden T, Reismeier J. “A survey and analysis of electronic healthcare record standards”. ACM Computing Surveys, 37(4), 277-315, 2005.
12. MN-PHIN Steering Committee. “Public Health Data Standarts, Improving How Public Health Collects, Exchanges state.mn.us/e-health/standards/pubhstandards08.pdf (10.01.2015). Data”. http://www.health.
13. Lopez DM, Blobel B. “A development framework for semantically interoperable health information systems”. International Journal of Medical Informatics, 78(2), 83-103, 2009.
14. National Health Service. “SNOMED CT®The Language of Electronic connectingforhealth.nhs.uk/systemsandservices/data/uk tc/training/snobrochure.pdf (03.01.2014). http://www.
15. International Health Terminology Standards Development Organisation. “SNOMED-CT® User Guide, January 2009 International Release”. http://www.ihtsdo.org/fileadmin/ user_upload/Docs_01/SNOMED_CT_Publications/SNOME D_CT_User_Guide_20080731.pdf (03.01.2014).
16. Kaptanoğlu YA. “Birinci basamak ve yataklı kamu sağlık kurumlarının performans yönetimi kavramı”. Yükseköğretim ve Bilim Dergisi, 1(3), 142-151, 2011. yapılan ödemelerde
17. Berners-Lee T, Hendler J, Lassila O. “The semantic web”. Scientific American, 284(5), 34-43, 2001.
18. Gruber T. “Toward principles for the design of ontologies used for knowledge sharing”. Technical Report KSL93-04, Knowledge Systems Laboratory, Stanford University, 1993.
19. Uschold M. “Knowledge level modelling: Concepts and terminology”. Knowledge Engineering Review, 13(1), 5-29, 1998.
20. Uschold M, Jasper R. “A framework for understanding and classifying ontology applications”. Proceedings of the IJCA- I99 Workshops on Ontologies and Problem-Solving Methods, Stockholm, Sweden, 1999.
21. Noy NF, McGuinness DL. “Ontology development 101: A guide to creating your first ontology”. Stanford knowledge systems laboratory technical report KSL-01-05 and Stanford medical informatics technical report SMI-2001-0880, http://protege.stanford.edu/publications/ontology_devel opment/ontology101.pdf (30.08.2013).
22. Smith MK, McGuiness D, Volz R, Welty C. “Web Ontology Language (OWL) Guide Version 1.0”. Technical Report, W3C World Wide Web Concortium, 2002.
23. Booch G, Rumbaugh J, Jacobson I. The Unified Modeling Language User Guide. Addison-Wesley, 1997.
24. Rumbaugh J, Blaha M, Premerlani W, Eddy F, Lorensen, W. Object-Oriented Modeling and Design. Englewood Cliffs, New Jersey, USA, Prentice Hall, 1991.
25. Almeida MB, Proietti ABFC, Ai J, Smith B. “The Blood Ontology: An Ontology in the Domain of Hematology”. ICBO: International Conference on Biomedical Ontology, 227-229, 2011.
26. Ai J, Almeida MB, Andrade AQ, Ruttenberg A, Wong DTW, Smith B. “Towards a body fluids ontology: A unified application ontology for basic and translational science”. 3rd International Conference on Biomedical Ontology, Buffalo, NY, USA, 26-30 July 2011.
27. Protégé. “Protégé” http://protege.stanford.edu/products. php (10.01.2015).
28. Web Ontology Language. “OWL Ontology Metrics”. http://owl.cs.manchester.ac.uk/metrics (10.01.2015).
29. Bursa O, Sezer E, Can Ö, Ünalir MO. “Using FOAF for Interoperable and privacy protected healthcare information systems”. Metadata and Semantics Research- 8th Research Conference, MTSR 2014, Karlsruhe, Germany, 27-27 November 2014.
30. TC. Sağlık Bakanlığı Bilgi İşlem Daire Başkanlığı. “Sağlıkta e-Dönüşüm”. Ankara, Türkiye, 2007.
31. TC. Sağlık Bakanlığı Bilgi İşlem Daire Başkanlığı. “SağlıkNET Entegrasyonu için Hastane Bilgi Sistemlerinin Temel Gereksinimleri”. Ankara, Türkiye, 2007.
32. TC Sağlık Bakanlığı. “Sağlık Bilgi Sistemleri Genel Müdürlüğü”. http://e-saglik.gov.tr/belge/1-33805/usvs. html (08.01.2015).