4. Kiến thức nền tảng

Các kiến thức cần nắm vững cho Track 2

---

🏥 Medical Named Entity Recognition (NER)

NER = trích xuất thực tử có ý nghĩa từ văn bản tự do.

Đặc thù y khoa:

• Thuật ngữ chuyên ngành, viết tắt
• Đồng nghĩa, đa nghĩa
• Lỗi chính tả
• Abbreviation không chuẩn

Kiến trúc phổ biến:

• PhoBERT (BERT for Vietnamese) — chuẩn cho NER tiếng Việt (135M params, chạy CPU được)
• BioBERT — pre-trained trên PubMed articles
• PubMedBERT — pre-trained từ đầu trên PubMed

---

📋 ICD-10 (International Classification of Diseases, 10th Revision)

• Chuẩn quốc tế về mã bệnh
• Cấu trúc: [A-Z][0-9]{2}(.[0-9]{1,2})?
• VD: K21.0 = Trào ngược thực quản có viêm, K21.9 = Trào ngược thực quản không viêm
• Nguồn dữ liệu:
  • WHO: https://icd.who.int/browse10/
  • Bộ Y tế Việt Nam: ICD-10 tiếng Việt
  • UMLS Metathesaurus

Mapping strategy:

Entity text → Chuẩn hóa (lowercase, remove stopwords)
    → Fuzzy match ICD-10 description
    → Top-k candidates
    → Hoặc: embedding → cosine similarity

---

💊 RxNorm

• Chuẩn mã thuốc của Hoa Kỳ
• Mỗi concept có RxCUI (RxNorm Concept Unique Identifier)
• Các Term Type (TTY) quan trọng:

  TTY	Ý nghĩa	Ví dụ
  IN	Ingredient (hoạt chất)	nystatin (7597)
  PIN	Precise Ingredient
  SCD	Semantic Clinical Drug	nystatin 100000 UNT/ML Oral Suspension
  SBD	Semantic Branded Drug	Mycostatin 100000 UNT/ML Oral Suspension
  BN	Brand Name	Mycostatin

Các vấn đề khi mapping:

1. Ingredient vs Clinical Drug — BTC output mẫu dùng IN (7597) thay vì SCD (373136) cho nystatin
2. Range liều — 325-650 mg: chọn lower bound (325mg)
3. Generic vs Brand — ưu tiên generic
4. Multi-ingredient — thuốc phối hợp → cần làm rõ span và candidate

Nguồn dữ liệu:

• RxNorm full: https://lhncbc.nlm.nih.gov/RxNav/
• RxNorm API: https://rxnav.nlm.nih.gov/
• File download: https://www.nlm.nih.gov/research/umls/rxnorm/

---

🔗 Ontological Reasoning

Ontology = biểu diễn tri thức dưới dạng:

• Concepts (khái niệm)
• Relations (quan hệ)
• Properties (thuộc tính)

Trong bài toán này:

• Concept: disease, drug, symptom, lab test
• Relation: Treats (thuốc → bệnh), HasSymptom (bệnh → triệu chứng)
• Context: isNegated, isFamily, isHistorical

---

🧪 Contextual Reasoning (Negation Detection)

Có thể implement bằng:

1. Rule-based (dependency parsing):

   (negation_word) + (entity) → isNegated
   

2. Model-based: Fine-tune NER model với BIO tags mở rộng
3. LLM-based: Prompt LLM để xác định context

---

📊 Metrics (cần confirm từ BTC)

Các metric thường dùng cho bài toán này:

• Entity-level F1 — span + type accuracy
• Code mapping accuracy — ICD-10 / RxNorm match rate
• Assertion accuracy — F1 cho negation/family/history
• Levenshtein-based — cho span boundary

⏳ Cần chờ BTC công bố evaluation metric chính thức

---

🗂️ Public medical datasets (tham khảo)

Dataset	Language	Task
i2b2 2010	EN	Concept extraction + assertion
n2c2	EN	Clinical NER + relation
MedMentions	EN	Biomedical NER
VNMedNER	VI	Vietnamese medical NER
PhoNER	VI	Vietnamese NER (general)