解读神经发育障碍心理模型的多样性:使用自然语言处理的公共数据的知识图表示

介绍

神经发育障碍(ndd)很常见，代表了一组由认知、运动或社交技能发展差异组成的诊断[1]。注意缺陷多动障碍(ADHD)是ndd最常见的病因，影响儿童和成人集中注意力和调节运动活动的能力。另一种情况是自闭症谱系障碍(ASD)，它与社会互动、语言和行为的差异有关。考虑到ndd最常见的情况(ADHD)，全球ndd患病率高达18% [2，3.]，而像ASD这样的疾病患病率接近1% [4]。患有ASD和ADHD的个体除了其核心障碍症状外，还经常经历各种相关问题，包括睡眠困难、具有挑战性的行为和心理健康问题，这些问题不仅对健康有影响，而且对教育和社会需求也有影响。这给父母带来了一定程度的复杂性，需要庞大的护理团队，并在与患有ndd的家庭打交道的卫生专业人员的沟通方面带来了挑战。

对医疗复杂性的研究表明，通过建立每个利益相关者对一种被称为心理模型的疾病的表征，如何改善沟通和护理。心理模式是动态的，是不断发展的信念和知识，它支配着父母和专业人士的决定和行为[5，6]。在与他人合作时，相互矛盾的思维模式会导致相互冲突的期望，阻碍沟通[7，8]。将心理模型以地图的形式可视化地表示，可以增加教育中的沟通和协作[9和医疗保健[10]。心理模型已经使用各种面对面的技术，如认知任务分析和概念映射[11]。然而，这些需要训练有素的专业人员和利益相关者，从而限制了它们的可扩展性。

知识图(Knowledge graphs, KGs)作为一种基于图的信息表示格式，在人工智能和信息的结构化表示中得到了广泛应用[j]。12]。KG以结构化的方式表示知识——概念是相互连接的节点，其边缘表示类似于概念图的关系。基于网络的信息越来越多地用于确定患者感兴趣的主题。例如，对基于网络的癌症患者信息的分析已被用于比较患者和家庭成员的担忧[13]、患者关注及研究问卷[14]，或临床试验课题[15]。此外，自然语言处理(NLP)技术已被用于识别和比较用于描述不同精神健康障碍的语言[16]。共现分析一词已被广泛用于从文本中提取含义，包括健康[17]，癌症[18]，以及来自推特的COVID-19信息[19]。语义关联任务在许多自然语言处理应用中发挥着重要作用，如词义消歧[20.，21]、基于方面的情感分析[22]，查询扩展[23]，以及从电子健康档案中检索信息[24]。据我们所知，我们的研究是第一次利用KG构建工具来表示来自不同涉众的心理模型。此外，目前尚不清楚医学专业文献如何解决家庭最感兴趣的话题。因此，我们提出了一种方法来比较自闭症相关或注意力缺陷多动障碍相关的概念，这些概念在家庭论坛和PubMed文献中是重要的和经常出现的。我们提出的方法与前面提到的工作不同，它利用基于向量空间模型(VSM)的语义关联技术来构建asd相关和adhd相关统一医学语言系统(UMLS)概念的KG表示。

开发的KGs描述了来自两个来源的信息的概念图:在线社区和PubMed摘要。它们有助于识别具有相似和不同相关性或优先级的概念，以及它们在两个利益相关者的情况下出现的频率。这种方法是必不可少的，因为直接从利益相关者那里获得此类信息需要大量的努力，包括招聘和进行访谈或分发调查(通常回复率有限)。

方法

数据收集

PubMed摘要

使用国家生物技术信息中心的Entrez Programming Utilities应用程序编程接口在PubMed中搜索“神经发育障碍(MeSH)”、“自闭症”、“自闭症谱系障碍(MeSH)”、“自闭症”、“注意缺陷和破坏性行为障碍(MeSH)”、“注意缺陷多动障碍(MeSH)”和“多动症”。创建了一个包含226,660个文章标识符的唯一列表，通过调用另一个PubMed应用程序编程接口检索摘要，该接口返回118,153个非空摘要。

论坛的帖子

我们手动搜索公开可用的网络论坛或社区和围绕NDD主题的子reddit，以收集社交媒体数据，并审查其隐私政策和使用条款。我们选择了3个来源:healthboards.com [25]， psychforums.com [26]和reddit [27]，该研究获得了阿尔伯塔大学(University of Alberta)对数据收集和分析的伦理批准。没有包含可识别个人信息(如用户名)的HTML元素被抓取，只有包含post的元素被检索并存储在本地。我们没有就这项研究联系任何用户。由于这些在线社区并不专门关注NDD主题，我们选择了关于ASD和ADHD的子论坛，如自闭症、阿斯伯格综合症、ADHD和注意缺陷障碍。我们找到了各种关于自闭症和多动症的子reddit，包括askAutism、AutismBlogs、TeenAspies、ADD、adhd_anxiety、ADHD和ParentingADHD。Python Scrapy框架[28]被用来从healthboards.com和psychforums.com上抓取帖子，而Reddit的应用程序编程接口包装器[29]被用来收集来自不同子reddit的数据。我们只考虑了主题的主帖子，并没有收集该主题的回复列表。我们假设主线程由论坛用户发布的关注内容组成(这是我们构建KG的主要目标)。我们没有包括回复，因为它们会包含提到相同的概念，并且会错误地提高共现的频率，除非文本分析管道具有理解完整句子上下文的能力，例如关系提取任务。我们没有过滤只有家长发布的帖子;因此，这些可能来自任何家庭成员、照顾者、患有自闭症或多动症的人的朋友，或者患有这种疾病的人。

NLP管道

数据预处理

所有PubMed摘要和论坛帖子(以下简称文档)都使用自然语言工具包Python库进行预处理，以删除标点符号，将句子标记为单词，删除停止词，并将单词按序排列[30.]。这个过程在图1．停顿词指的是出现多次但不具有信息性的词，如is、am、are和have。自然语言工具包提供的默认停止词列表被原样使用。

‎ 查看此图

UMLS实体链接器

UMLS是100多个受控词汇的集合，包括但不限于国际疾病分类-第十分类，医学主题词和SNOMED临床术语，包含超过400万个概念[]31]。UMLS通过将来自不同源词汇表的同义词组合成称为概念的规范术语来促进生物医学实体检测。UMLS还将其所有概念划分为更广泛的类别，称为语义类型;例如，自闭症谱系障碍的概念被归类为精神或行为障碍，培训项目的概念被归类为教育活动。语义类型提供关于概念的额外分类信息，并在本项目中使用。现有的开源Python库scispaCy用于从文档中检测UMLS概念[32]。scispaCy UMLS实体链接器为每个检测到的概念提供得分，范围从0到1。得分低的项出现假阳性的几率更高，我们将概率截止值设置为0.7，以减少假阳性的几率。因此，只有得分大于0.7的概念及其语义类型才会在最终的注释中被考虑。

总共检测到来自PubMed的124种UMLS语义类型和来自论坛的122种语义类型，可以适用于医学领域的所有子领域。Peng等[33]发现，如果实体不是特定于ASD的，则UMLS实体链接器工具的精度可能会很低，并且他们在分析中使用了13种语义类型。我们对所有语义类型的初步分析是通过比较每种语义类型的出现频率来进行的，这些频率是使用每个来源的文档语料库中所有检测到的概念来计算的。结果表明，数据库中最常见的语义类型如定性概念、功能概念、想法或概念与ASD和ADHD无关。多媒体附录1显示每个源中最常见的语义类型。考虑到缺乏已建立的与NDD相关的语义类型，我们通过与NDD专家合作审查相关概念，对一组26种类型进行了优先级排序。选定26语义类型是“活动”,“年龄”,“行为”,“先天性异常,”“诊断过程,”“每日或休闲活动,”“疾病或综合征”,“教育活动”,“家庭组”“发现”“医疗卫生相关的组织,”“卫生保健活动,”“个人行为”,“伤害或中毒,”“心理过程,”“心理或行为障碍,”“职业活动,”“职业或纪律,”“组织”“病人或残疾人群体,”“专业或职业团体”、“专业协会”、“自助或救济组织”、“社会行为”、“征兆或症状”以及“治疗或预防程序”。我们从为本分析开发的KG中排除了常见的语义类型，如定性概念、功能概念和想法或概念。然而，我们的目标是在未来的工作中使用它们。

如果一个概念与多个语义类型相关联，那么scispaCy实体链接器返回所有语义类型的列表，并且不考虑句子的上下文来选择所讨论的语义类型。由于它返回所有语义类型的列表，因此我们只考虑第一个返回的语义类型。考虑在语料库中至少10个文档中出现的概念以进行进一步分析。因此，我们在PubMed文档中有4494个独特的概念，在论坛中有3627个独特的概念。

文件过滤器

所有带有UMLS概念注释的文档都要经过一个过滤器，该过滤器删除了文本中没有提及asd相关和adhd相关概念的文档。在UMLS中，ASD、阿斯伯格综合症和自闭症是不同的概念;所有在摘要或标题中提到这些的文件都被认为属于自闭症谱系障碍。此外，阿斯伯格综合症和自闭症障碍的概念被ASD所取代。结果，我们获得了55,461篇PubMed摘要的最终数据集，其中37,728篇提到了ASD, 20,805篇提到了ADHD, 3072篇同时提到了这两种情况。该论坛的最终数据集包含153098篇帖子，其中72669篇是关于ASD的，90372篇是关于ADHD的，9943篇是与这两种情况有关的。表1列出从3个网络论坛收集的帖子数量。

UMLS概念嵌入

VSM中基于语料库的概念数值表示根据上下文表示概念的含义。它假设在一个环境(文档级别、句子级别或特定大小的邻域窗口)中一起出现的概念彼此相关或相似。上下文框架的大小影响VSM中概念的表示，许多词嵌入模型，如Skip-gram模型和Continuous-bag-of-words模型使用基于窗口上下文的方法，称为局部上下文。文档级别的共现，被称为全局上下文，提供了更多关于该概念的主题信息，因为许多主题建模方法使用全局上下文来检测文档中的潜在主题[34]。由于我们想要检测与ASD和ADHD最相关的主题概念，我们创建了一个大小为n × n的基于全局上下文的共现矩阵，其中n表示源中唯一的UMLS概念的总数。对于PubMed和forum，共出现矩阵是单独计算的，因为围绕一个概念的上下文信息可能会根据文本语料库而不同，这最终会影响相关性得分。

积极的相互信息

采用正点互信息(PPMI)和截断奇异值分解(SVD)来嵌入概念，其性能与基于神经网络的嵌入模型如Word2Vec [35]。SVD PPMI通常会产生一致/稳定的结果，其中稳定性指的是VSM中单词邻域的变化，而基于神经网络的方法(Word2vec, Glove)可能会在不同的运行中导致不同的结果，因为代表单词嵌入的隐藏层的权重在多次运行中不同。基于奇异值分解的嵌入不受此问题影响[36，37]。点互信息(PMI)是一种概率方法，用于量化共现的可能性，并判断共现是信息性的还是偶然的。定义如下:

PMI (c_我c_j) = log [p (c_我c_j) / (p (c)_我) p (c_j)))（1)

其中c_我=我^th概念或行

c_jj =^th上下文概念或列

p (c_我) = c的边际概率_我

p (c_j) = c的边际概率_j

p (c_我c_j) = c的边际概率_我和c_j

PMI的取值范围为-1 ~ 1。如果PMI为0，则两个概念的共现不提供任何信息，只是偶然的。当联合概率远高于边际概率时，共现就不是偶然的。如果PMI小于0，则概念c的独立出现次数_我和c_j与共现相比，信息更丰富。如果PMI值小于0，则将PMI值设置为0。

PPMI (c_我c_j) = max (PMI) (c_我c_j), 0)（2）

PPMI提供了一个大小为n × n的方阵M, PubMed为n=4494, forum为n=3627，这使得VSM具有较高的维数。

截断奇异值分解

SVD是一种降维技术，用于获得密集矩阵M的低秩逼近。SVD将矩阵M分解为3个矩阵的乘积:

M = usv^T (3)

其中U和V是大小为n × n的正交矩阵，S是一个n × n的对角矩阵，对角值由高到低排序。矩阵M的秩k (k

米_k= U_k年代_kV_k ^T （4)

你在哪里_k是一个n × k矩阵，S_k是k × k对角矩阵和V_k^T是一个k × n矩阵。U_k年代_k是大小为n × k的矩阵，表示k维中的n个概念。我们设置k=300，使用Python scikit-learn库实现截断SVD，得到300D概念嵌入[38]。使用不同的低嵌入尺寸(通常为300-500)，但没有具体提及其对最终结果的影响，其中一种常用尺寸为300维[39-41]。PPMI和SVD分别应用于论坛和PubMed语料库后，提供了2个vsm，它们根据每个源中的上下文信息表示概念。

概念相似度

语义相关性方法根据使用给定概念的上下文来检测最相关的概念。语义相似性和相关性任务看起来是一样的，但是相似性是指同义的概念，可以互换使用，而相关性是指由于在同一上下文中使用而相关的概念。例如，自闭症谱系障碍和攻击行为是相关的，但并不相似。2个概念之间的概念关联_我和c_j是用余弦相似度作为上下文向量C的归一化点积来测量的_我和C_j：

亲缘_ij= cosineSim (C_我C_j) = c_我·C_j/║C_我║║C_j║

亲缘_ij变化于(- 1,1)，其中接近1的值表示c_我和c_j相互密切相关，两个向量在VSM中具有相同的方向;接近0的值表示c_我和c_j是不相似的，两个向量在VSM中是正交的;和人际关系_ij的-1表示c_我和c_j在多维空间中方向相反。

公斤表示

属性图模式，图2表示与不同的UMLS语义术语相关联的概念。有一些节点表示病情(ASD或ADHD)、相关的UMLS语义类型和相关概念。基于条件和概念之间的相关性得分，与每个UMLS语义类型相关联的前25个相关概念用于创建图。边缘“isRelatedTo”将语义类型节点链接到条件节点，并且每个相关概念都使用“isA”关系连接到其语义类型。一组属性值对存储在节点和边上。所有节点都有一个标签(指概念名称)和频率(指给定概念在每个源数据集中与病症(ASD或ADHD)同时出现的文档比例)。语义类型节点的频率是指其前25个概念的平均频率。“isA”关系的权重表示源数据集中概念和条件之间的相关性得分，并且没有为“sameAs”和“isRelatedTo”关系分配权重。Neo4j图形数据库用于存储构建的KG [42]。

‎ 查看此图

结果

关注ADHD和ASD的不同领域

PubMed和论坛的KG表示描述了利益相关者的心理模型。我们在与adhd和asd相关的PubMed和论坛数据集中发现了许多与不同语义类型相关的UMLS概念。所有检测到的概念及其语义相关性评分都列在多媒体附录2．为了分析不同的关注领域，我们通过使用Gephi网络可视化工具将PubMed摘要和家庭论坛中的KGs可视化，评估了与ADHD相关的医疗保健(PubMed摘要)和家庭(论坛帖子)概念[43]。在KG可视化中，关系的厚度和颜色的暗度与概念与病症(ADHD或ASD)的基于余弦的相关性评分成正比，节点/标签的大小与共现频率成正比。我们在一些语义类型组中发现了一些无关紧要的概念。然后将这些概念与PubMed和论坛文档中的原始文本进行对比，结果表明这些概念是误报，因此从所有分析中删除。多媒体附录3显示删除的概念以及与这些概念相关的单词的频率。表2在不同的UMLS语义类型下，总结了PubMed和论坛上关于ADHD的一些最相关的术语，显示了ADHD关注的不同领域。

从PubMed摘要生成的ADHD KGs(见多媒体附录4)和论坛(参见多媒体附录5)显示其他领域的关注，如“诊断程序”、“个人行为”、“卫生保健活动”和“专业或职业群体”。与ADHD类似，我们发现ASD与UMLS语义类型所代表的不同领域的不同概念相关，如图所示表3．

ASD PubMed摘要的KG表示(见多媒体附录6)和论坛(参见多媒体附录7)显示了其他语义类型下的概念，表明了围绕ASD的其他关注领域。

PubMed和Forum KG比较

KG有助于确定家庭和保健专业人员之间相似和不同的相关/优先概念。认识到共同理解(共同思维模式)已被证明是医疗保健领域有效协作和高质量沟通的关键因素[44]，我们旨在确定论坛和医学文献之间相似和不同相关性的潜在概念。为了比较概念，我们考虑了在选定的UMLS语义类型下的前25个概念，这些概念基于相关性评分与每种情况(ASD和ADHD)最相关，并使用Gephi将它们可视化。如图所示图3， kgs——一个代表PubMed，一个代表forum——通过卫生专业人员和在线社区共同关注的概念连接在一起。sameAS”关系(橙色箭头)。这种关系的方向可以是双向的。对于“isA”关系(紫色箭头)，其厚度是指概念与病症(ADHD)的相关性评分，表示相关或优先级的水平。连接的概念的不同节点大小篇”相关关系显示了该概念在各自来源中出现频率的差异，例如，与ADHD PubMed摘要相比，精神抑郁和焦虑在ADHD论坛中更常被讨论，而多动行为、注意力不集中和冲动行为在PubMed中被讨论得更多。

为了总结相似和不同相关性/优先级的概念，我们比较了forum (FR)和PubMed (PR)中所有概念的关联度得分，并计算了得分差(得分差= FR - PR)。如果概念的关联度得分与两个利益相关者相似，并且概念的得分差在µ±2σ范围内，则该概念具有相似的优先级，其中µ为平均值，σ为得分差的标准差。如果分数差异>µ+ 2σ，则该概念与家庭(论坛)更相关，并且由于分数差异很大，因此被认为是优先考虑的概念。如果评分差异<µ- 2σ，则认为该概念更相关或对卫生专业人员优先考虑(PubMed)。有趣的是，如表4，我们在PubMed和论坛上发现了一些与ADHD相关的相似和不同的概念多媒体附录8用于KG可视化)。所有这些概念的详细相关性评分可在表S1-S3中找到多媒体附录9．

同样，使用关联度评分差异和KG表示比较两种来源中的asd相关概念，可以得到相似和不相似相关的各种概念，如表5（多媒体附录10用于KG可视化)。所有这些概念的详细相关性评分列于表S4-S6多媒体附录9．

‎ 查看此图

讨论

主要研究结果

最近人们认识到，了解病人及其家属的需要和关切是保健专业人员和家属之间更好沟通的一个关键因素。这导致了对心理模型在医疗实践中的作用的新兴研究[45-48]和它们的映射[49]。目前的方法包括与患者、家属或专家面谈，并确定主要概念。Crandall等[6将认知任务分析作为建立心智模型的一种方法。这些内容丰富的访谈在60-90分钟的时间内进行，大约有10名参与者。虽然信息丰富而深入，但这一过程既耗时又受参与者数量和多样性的限制。

从理论的角度来看，我们的工作显示了KG构建技术和NLP如何通过使用大规模数据集来帮助创建心理模型，并避免诸如专家访问限制和家庭隐私/可用性等瓶颈。虽然所使用的NLP方法是完善的，但使用NLP来生成KGs来推导心理模型，并在家庭和医疗保健专业人员的观点之间进行比较，对我们的知识来说是完全新颖的。我们表明，来自论坛的基于网络的数据反映了患有两种重要ndd(自闭症和多动症)个体的父母所关注的多样性。可公开获得的基于网络的数据可以反映从文献中公布的协商或调查等更传统方法获得的数据。我们展示了如何使用基于网络的数据使我们不仅能够识别有关诊断标准、药物、症状或疾病合并症的信息，而且还可以识别有关疾病的其他关注领域，如教育活动、娱乐活动和社会问题，这些通常被认为主要通过访谈获得。我们还表明，这些主题不仅与争议或未经证实的疗法有关，这通常是在医学领域不使用基于网络的信息的基本原理。同样，与医学专家的访谈往往是理解医学领域关注问题的瓶颈。

我们还说明了如何使用基于网络的数据来确定涉及复杂医疗条件(如ADHD和ASD)的不同利益相关者之间优先事项的趋同点。确定汇合点，即卫生专业人员和家庭感兴趣的相似概念，可以帮助临床医生和推广政策制定者确定“对话启动者”或共同兴趣。对于临床医生和家庭来说，确定每个利益相关者的分歧概念甚至盲点都起着重要作用。例如，临床医生可以使用与家庭高度相关的概念来制定持续的药物教育或加强培训。对于家庭来说，他们可以成为知识动员、公共教育运动或进一步研究的重点，旨在提高对他们的障碍和相关情况的认识。

从实际的角度来看，我们提出了一个框架，该框架允许我们通过使用基于语料库的嵌入和语义相关性方法来识别不同来源的相关概念并对其进行排名，而不是简单的共现频率来对相关概念进行排名。开发一个KG的相关概念来表示心理模型可视化，可以进一步帮助比较两个来源之间的收敛和发散概念。据我们所知，由于没有金标准数据集来评估ndd中概念的相关性，我们的框架建议使用图形分析工具(如Gephi)手动分析和探索KG可视化，这可以帮助专家验证结果。让专家(中间的专家)来审查NLP方法的结果，有助于发现错误的概念，这些错误的概念是缩写到概念的错误映射的结果。总之，我们的研究提供了一个原理证明，将产生对kg作为心理模型图的认识，并为广泛的医学领域的多学科研究人员提供帮助。

基于kg的信息来源与传统信息来源的比较

我们将我们的发现与以前的文献或报告进行了比较，这些文献或报告是使用传统方法(如访谈或调查)的研究结果，涉及来自ASD和ADHD社区的参与者(父母或健康专业人员)。例如，对于多动症，我们发现使用论坛的个人(父母、朋友、照顾者)的优先级与药物处方和医生类型有关。这反映了文献中讨论的问题，即参与研究的父母关心药物和非药物干预(首选行为干预)[50，51]。卫生专业人员主题的另一个方面是围绕信息来源，这是以前指出的与互联网一起作为知识的主要来源[52]。以焦点小组为基础的研究，包括照顾者，表明父母主要关心的是他们的孩子成为一个成功的成年人和改善学校行为[53，54]以及改善他们的社会地位和情绪状态[55]，这在之前被确定为优先事项。我们发现，在UMLS语义类型“个体行为”中，“行为习惯”概念的相关性得分为0.51，是与ADHD论坛相关性第二高的概念。然而，我们目前的方法是基于UMLS概念识别，缺乏从句子中理解位置和年龄背景的能力，即“行为习惯”是针对学校还是家庭，儿童还是青少年进行讨论。NLP论坛的分析也没有注意到父母(和卫生专业人员)使用多模式干预的重要趋势[56]。同样，我们对PubMed上关于ADHD的论文的分析也确定了健康专家先前确定的优先主题。我们发现，排名最高的话题是对ADHD核心症状的讨论，以及合并症、行为障碍和物质使用。这反映了健康专家的共识报告，强调了治疗效果对症状的重要性，并提出了情绪方面、学习成绩和工作表现的观点[57]以及精神疾病和药物滥用等共病[58-60]。总的来说，我们发现家庭ADHD论坛和PubMed论文中的观点与ADHD的核心症状、共病条件(如焦虑和抑郁)以及培训计划和社会化的教育问题具有相似的优先级。

关于ASD，我们在本研究中的其他NDD用例，我们发现最重叠的主题对于PubMed摘要和ASD论坛反映的不同利益相关者具有相似的优先级。这些主题包括条件的分类，伴随自闭症的症状和行为，以及与社会互动相关的主题。事实上，我们发现使用ASD论坛的人优先考虑的问题包括社交技巧、沟通和友谊等社交互动，以及说话等日常活动。这与Lai和Weiss [61调查了自闭症谱系障碍的服务需求，发现照顾者优先考虑社交技能和生活技能项目。另一项研究还发现，父母主要担心的是社交互动[62]，但该研究发现，其次最普遍的担忧是问题行为和学术，这是我们在论坛分析中没有看到的。塞尔维亚的一项研究同样支持沟通、社会互动和日常活动是照顾者的优先事项[63]。此外，我们对PubMed摘要的分析显示，关于ASD分类及其与胎儿酒精谱和ndd的关系的讨论频繁，对社会互动和沟通的关注，以及对ASD儿童的关注。这些优先事项得到了医生对自闭症谱系障碍的治疗方法的支持，这种方法利用了不同专业团队的优势，专注于改善社会互动和沟通[64，65]。这并不是说父母和研究的优先顺序总是一致的，正如英国最近的一项调查所显示的那样，研究往往集中在生物医学方面，而不是服务和支持[66]。

我们表明，从PubMed论文中得出的KG概括了上述关于ADHD和ASD主题的立场论文的发现。然而，我们的研究结果和基于参与者的研究结果的一些差异可能是由于样本量的差异或选择偏差(照顾者的年龄，因此，儿童可能比上学年龄或成年年龄小)。收集的基于网络的论坛数据比基于访谈的研究的参与者数量要大得多，因此可能包括以前未确定的观点。或者，我们可以推测，家庭可能更倾向于在网上分享个人担忧，而不是在采访中，尽管我们没有找到针对这一主题的已发表研究。此外，我们包括了所有PubMed论文和基于网络的论坛，而不管它们的出版或发布时间(PubMed可能包括较旧的概念，不再是当代关注的问题)，而不是上面提到的过去5年或更短时间内的专家意见。

我们方法的优点

尽管表明关系中涉及的个人的优先级和概念已经被证明有利于沟通和效率，使用基于网络的数据提供了包括更多个人的能力，如论坛所示。这样可以更好地报道不同的意见，并反映经验上的差异。我们还发现，论坛帖子和PubMed论文在所有研究领域的覆盖密度是相等的，这表明它们呈现了丰富的观点，而不仅仅是趋势。此外，在未来，我们的方法可以用来比较不同国家、城市和农村环境中个人的担忧，或者对一个国家的新移民的担忧。从基于语料库的VSM中获取相关概念，并将其表示为基于属性图模型的KG中的连接节点，可以通过使用不同的可解释性维度来识别收敛和发散的概念。节点大小是关于条件的概念在文档中出现的频率，表示该概念在源中被讨论的范围。边缘厚度与语义相关性得分成正比，根据使用的上下文，告诉我们一个概念与病症(ASD或ADHD)的相关性。这很重要，因为它有助于将注意力集中在知识转化和医学教育以及政策和研究发展上。

我们方法的局限性

其中一些限制与用于构建图的数据的性质有关。论坛帖子提出了一些挑战。论坛并没有精确定义用户是自闭症和多动症患者的父母、看护人还是潜在的家庭成员。这可能会影响所请求信息的类型。此外，从定义上讲，用户是根据他们使用技术收集信息而选择的。这可能是一种基于获取技术的偏见，这将受到健康的社会决定因素的影响，因此可能不完全反映父母的关切。此外，出于保密的考虑，父母可能不会分享他们对患有ADHD或ASD的家庭成员的所有担忧。另一个重要的一点是，这里的PubMed文献代表了医疗保健。虽然PubMed确实代表了一个高质量的医学文献语料库，但它可能不能完全反映医疗保健提供者讨论的内容，比如使用基于网络的论坛，如果他们在场的话。此外，从技术角度来看，我们提出的基于语义关联的KG表示仅利用了关于UMLS概念的分类信息，这是由KG中的“isA”关系表示的。 However, UMLS provides a semantic network, which shows several meaningful relationships between different semantic types in the form of triples, that is, type1, relation, type2, etc: for instance, (“Mental or Behavioral Dysfunction,” “associated_with,” “Daily or Recreational Activity”) and (“Disease or Syndrome,” “co-occurs_with,” “Mental or behavioral dysfunction”). Utilizing this information could provide more meaningful and direct relations between the concepts of different semantic types. We aim to apply the distantly supervised relation extraction approach on each document corpus, which utilizes the UMLS semantic network to obtain diverse relations between different concepts [67，68]。这种方法的输出也可以用作深度学习算法的训练数据，以训练关系提取模型，这将允许我们通过处理文本语料库来创建KG，不仅适用于NDD领域，还适用于任何其他条件。

结论

我们的研究显示了使用基于文本NLP分析结果开发的KGs的好处。这些图表代表了自闭症谱系障碍和注意力缺陷多动障碍患者的父母对关键问题的心理模型，并与基于同一领域医学专家知识的模型进行了比较。这种比较可以识别重叠和不同的兴趣点。我们展示了在这两种类型的涉众中有几个汇合点和一个广泛的关注列表。这一点很重要，因为直接从利益相关者那里获得此类信息需要在招聘和进行访谈或分发调查(通常回复率有限)方面付出大量努力。此外，我们发现发表的调查报告或对ADHD或ASD家庭或医学专家的采访，与我们通过NLP和图表比较发现的问题相似。未来的实地工作将补充我们的工作，这将有助于了解不同的概念如何呈现复杂的相互作用，或者特定人群如何基于不同的因素(如健康的社会决定因素)而彼此不同。