CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Aiding Remote Diagnosis with Text Mining
KTH, School of Technology and Health (STH), Health Systems Engineering, Human Communication Science.
2017 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Underlätta fjärrdiagnostik genom textbaserad datautvinning (Swedish)
Abstract [en]

The topic of this thesis is on how text mining could be used on patient-reported symptom descriptions, and how it could be used to aid doctors in their diagnostic process. Healthcare delivery today is struggling to provide care to remote settings, and costs are increasing together with the aging population. The aid provided to doctors from text mining on patient descriptions is unknown.Investigating if text mining can aid doctors by presenting additional information, based on what patients who write similar things to what their current patient is writing about, could be relevant to many settings in healthcare. It has the potential to improve the quality of care to remote settings and increase the number of patients treated on the limited resources available. In this work, patient texts were represented using the Bag-of-Words model and clustered using the k-means algorithm. The final clustering model used 41 clusters, and the ten most important words for the cluster centroids were used as representative words for the cluster. An experiment was then performed to gauge how the doctors were aided in their diagnostic process when patient texts were paired with these additional words. The results were that the words aided doctors in cases where the patient case was difficult and that the clustering algorithm can be used to provide the current patient with specific follow-up questions.

Abstract [sv]

Ämnet för detta examensarbete är hur text mining kan användas på patientrapporterade symptombeskrivningar, och hur det kan användas för att hjälpa läkare att utföra den diagnostiska processen. Sjukvården har idag svårigheter med att leverera vård till avlägsna orter, och vårdkostnader ökar i och med en åldrande population. Idag är det okänt hur text mining skulle kunna hjälpa doktorer i sitt arbete. Att undersöka om läkare blir hjälpta av att presenteras med mer information, baserat på vad patienter som skriver liknande saker som deras nuvarande patient gör, kan vara relevant för flera olika områden av sjukvården. Text mining har potential att förbättra vårdkvaliten för patienter med låg tillgänglighet till vård, till exempel på grund av avstånd. I detta arbete representerades patienttexter med en Bag-of-Words modell, och klustrades med en k-means algoritm. Den slutgiltiga klustringsmodellen använde sig av 41 kluster, och de tio viktigaste orden för klustercentroider användes för att representera respektive kluster. Därefter genomfördes ett experiment för att se om och hur läkare blev behjälpta i sin diagnostiska process, om patienters texter presenterades med de tio orden från de kluster som texterna hörde till. Resultaten från experimentet var att orden hjälpte läkarna i de mer komplicerade patientfallen, och att klustringsalgoritmen skulle kunna användas för att ställa specifika följdfrågor till patienter.

Place, publisher, year, edition, pages
2017. , p. 35
Series
TRITA ; 2017:105
Keywords [en]
patient-reported symptoms, self-reported symptoms, symptom descriptions, text mining, machine learning, clustering, virtual visits, web-doctor, diagnostic aid
Keywords [sv]
patientrapporterade symptombeskrivningar, självrapporterade symptombeskrivningar, text mining, maskininlärning, klustring, virtuella möten, nätdoktor, diagnosstöd
National Category
Other Medical Engineering
Identifiers
URN: urn:nbn:se:kth:diva-215760OAI: oai:DiVA.org:kth-215760DiVA, id: diva2:1149316
External cooperation
KRY - Läkarbesök i mobilen
Subject / course
Biomechanics
Educational program
Master of Science in Engineering - Medical Engineering
Supervisors
Examiners
Available from: 2019-09-11 Created: 2017-10-15 Last updated: 2019-09-11Bibliographically approved

Open Access in DiVA

fulltext(1280 kB)1 downloads
File information
File name FULLTEXT01.pdfFile size 1280 kBChecksum SHA-512
40116f9d0382b915e21be1ebcf202da1382c7a01f0bbcbbc5113b0ec73f668165d3f93e2f29e9af88cdecb8f396b0ef194b053f3201c9d3daf86d2bcaf65dc73
Type fulltextMimetype application/pdf
appendix 2 cluster words(356 kB)1 downloads
File information
File name ATTACHMENT01.pdfFile size 356 kBChecksum SHA-512
5a7df9aa7632ef2374f8ce244c4a4700ee3632e3888ca9c23e4d768a945a9d86ad5c248090d6a06c94e091c888ad309cac9cf795d4c797f3c3eabcbe84ebae79
Type attachmentMimetype application/pdf

By organisation
Human Communication Science
Other Medical Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 1 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 5 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf