|
| 1 | +# External Information & Context qualifiers |
| 2 | + |
| 3 | +This tutorial shows the use of two pipes to qualify spans or entities by using the `ContextualQualifier` and the `ExternalInformationQualifier` |
| 4 | + |
| 5 | +### Import dependencies |
| 6 | +```python |
| 7 | +import datetime |
| 8 | + |
| 9 | +import pandas as pd |
| 10 | + |
| 11 | +import edsnlp |
| 12 | +from edsnlp.pipes.qualifiers.contextual.contextual import ( |
| 13 | + ClassPatternsContext, |
| 14 | + ContextualQualifier, |
| 15 | +) |
| 16 | +from edsnlp.pipes.qualifiers.external_information.external_information import ( |
| 17 | + ExternalInformation, |
| 18 | + ExternalInformationQualifier, |
| 19 | +) |
| 20 | +from edsnlp.utils.collections import get_deep_attr |
| 21 | +``` |
| 22 | + |
| 23 | +### Data |
| 24 | +Lets start creating a toy example |
| 25 | +```python |
| 26 | +# Create context dates |
| 27 | +# The elements under this attribute should be a list of dicts with keys value and class |
| 28 | +context_dates = [ |
| 29 | + { |
| 30 | + "value": datetime.datetime(2024, 2, 15), |
| 31 | + "class": "Magnetic resonance imaging (procedure)", |
| 32 | + }, |
| 33 | + {"value": datetime.datetime(2024, 2, 17), "class": "Biopsy (procedure)"}, |
| 34 | + {"value": datetime.datetime(2024, 2, 17), "class": "Colonoscopy (procedure)"}, |
| 35 | +] |
| 36 | + |
| 37 | +# Texy |
| 38 | +text = """ |
| 39 | +RCP du 18/12/2024 : DUPONT Jean |
| 40 | +
|
| 41 | +Homme de 68 ans adressé en consultation d’oncologie pour prise en charge d’une tumeur du colon. |
| 42 | +Antécédents : HTA, diabète de type 2, dyslipidémie, tabagisme actif (30 PA), alcoolisme chronique (60 g/jour). |
| 43 | +
|
| 44 | +Examen clinique : patient en bon état général, poids 80 kg, taille 1m75. |
| 45 | +
|
| 46 | +
|
| 47 | +HISTOIRE DE LA MALADIE : |
| 48 | +Lors du PET-CT (14/02/2024), des dépôts pathologiques ont été observés qui coïncidaient avec les résultats du scanner. |
| 49 | +Le 15/02/2024, une IRM a été réalisée pour évaluer l’extension de la tumeur. |
| 50 | +Une colonoscopie a été réalisée le 17/02/2024 avec une biopsie d'adénopathie sous-carinale. |
| 51 | +Une deuxième a été biopsié le 18/02/2024. Les résultats de la biopsie ont confirmé un adénocarcinome du colon. |
| 52 | +Il a été opéré le 20/02/2024. L’examen anatomopath ologique de la pièce opératoire a confirmé un adénocarcinome du colon stade IV avec métastases hépatiques et pulmonaires. |
| 53 | +Trois mois après la fin du traitement de chimiothérapie (abril 2024), le patient a signalé une aggravation progressive des symptômes |
| 54 | +
|
| 55 | +CONCLUSION : Adénocarcinome du colon stade IV avec métastases hépatiques et pulmonaires. |
| 56 | +""" |
| 57 | + |
| 58 | + |
| 59 | +# Create a toy dataframe |
| 60 | +df = pd.DataFrame.from_records( |
| 61 | + [ |
| 62 | + { |
| 63 | + "person_id": 1, |
| 64 | + "note_id": 1, |
| 65 | + "note_text": text, |
| 66 | + "context_dates": context_dates, |
| 67 | + } |
| 68 | + ] |
| 69 | +) |
| 70 | +df |
| 71 | +``` |
| 72 | + |
| 73 | +### Define the nlp pipeline |
| 74 | +```python |
| 75 | +import edsnlp.pipes as eds |
| 76 | + |
| 77 | +nlp = edsnlp.blank("eds") |
| 78 | + |
| 79 | +nlp.add_pipe(eds.sentences()) |
| 80 | +nlp.add_pipe(eds.normalizer()) |
| 81 | +nlp.add_pipe(eds.dates()) |
| 82 | + |
| 83 | + |
| 84 | +nlp.add_pipe( |
| 85 | + ContextualQualifier( |
| 86 | + span_getter="dates", |
| 87 | + patterns={ |
| 88 | + "lf1": { |
| 89 | + "Magnetic resonance imaging (procedure)": ClassPatternsContext( |
| 90 | + **{ |
| 91 | + "terms": {"irm": ["IRM", "imagerie par résonance magnétique"]}, |
| 92 | + "regex": None, |
| 93 | + "context_words": 0, |
| 94 | + "context_sents": 1, |
| 95 | + "attr": "TEXT", |
| 96 | + } |
| 97 | + ) |
| 98 | + }, |
| 99 | + "lf2": { |
| 100 | + "Biopsy (procedure)": { |
| 101 | + "regex": {"biopsy": ["biopsie", "biopsié"]}, |
| 102 | + "context_words": (10, 10), |
| 103 | + "context_sents": 0, |
| 104 | + "attr": "TEXT", |
| 105 | + } |
| 106 | + }, |
| 107 | + "lf3": { |
| 108 | + "Surgical procedure (procedure)": { |
| 109 | + "regex": {"chirurgie": ["chirurgie", "exerese", "opere"]}, |
| 110 | + "context_words": 0, |
| 111 | + "context_sents": (2, 2), |
| 112 | + "attr": "NORM", |
| 113 | + }, |
| 114 | + }, |
| 115 | + }, |
| 116 | + ) |
| 117 | +) |
| 118 | + |
| 119 | +nlp.add_pipe( |
| 120 | + ExternalInformationQualifier( |
| 121 | + nlp=nlp, |
| 122 | + span_getter="dates", |
| 123 | + external_information={ |
| 124 | + "lf4": ExternalInformation( |
| 125 | + doc_attr="_.context_dates", |
| 126 | + span_attribute="_.date.to_datetime()", |
| 127 | + threshold=datetime.timedelta(days=0), |
| 128 | + ) |
| 129 | + }, |
| 130 | + ) |
| 131 | +) |
| 132 | +``` |
| 133 | + |
| 134 | +### Apply the pipeline to texts |
| 135 | +```python |
| 136 | +doc_iterator = edsnlp.data.from_pandas( |
| 137 | + df, converter="omop", doc_attributes=["context_dates"] |
| 138 | +) |
| 139 | + |
| 140 | +docs = list(nlp.pipe(doc_iterator)) |
| 141 | +``` |
| 142 | + |
| 143 | +### Lets inspect the results |
| 144 | +```python |
| 145 | +doc = docs[0] |
| 146 | +dates = doc.spans["dates"] |
| 147 | + |
| 148 | +for date in dates: |
| 149 | + for attr in ["lf1", "lf2", "lf3", "lf4"]: |
| 150 | + value = get_deep_attr(date, "_." + attr) |
| 151 | + |
| 152 | + if value: |
| 153 | + print(date.start, date.end, date, attr, value) |
| 154 | +``` |
| 155 | + |
| 156 | +```python |
| 157 | +# Out : 120 125 15/02/2024 lf1 Magnetic resonance imaging (procedure) |
| 158 | +# Out : 120 125 15/02/2024 lf4 ['Magnetic resonance imaging (procedure)'] |
| 159 | +# Out : 147 152 17/02/2024 lf2 Biopsy (procedure) |
| 160 | +# Out : 147 152 17/02/2024 lf4 ['Biopsy (procedure)', 'Colonoscopy (procedure)'] |
| 161 | +# Out : 168 173 18/02/2024 lf2 Biopsy (procedure) |
| 162 | +# Out : 192 197 20/02/2024 lf3 Surgical procedure (procedure) |
| 163 | +``` |
0 commit comments