An automatic health surveillance chart interpretation system based on Indonesian language

Abstract

The Indonesian communities have the difficulties for interpreting the chart image, especially the health surveillance chart image. This condition is impacted on late awareness of disease threat. In Indonesia, the chart interpreter system based on Indonesian language is available, but it still has the limitation in generating the textual representation (i.e the health surveillance summaries) in the case of the user involvement. This paper proposed the automatic chart interpreter system as the Natural Language Generation (NLG) system adopting Datato-Text architecture for overcoming the intended problem. In other words, it emphasizes on the automation system, where the automation system refers to the ability of system for determining the related events and the inference of the related events as well as to generating the related summaries without requiring the manual input from the users. Based on the experiment result, the proposed system (HS-CISys) can perform the automation with involving Data Interpretation and Micro Planning. Therefore, Data Interpretation and Micro Planning ensure that the proposed system can generate the health surveillance summaries fully automatic without relying on the manual input from the users.

Textual interpretation generation in Indonesian language based on blood chemistry tests data using r-template based approach

“…Penelitian yang berfokus pada pembangkitan representasi tekstual berdasarkan data non tekstual secara otomatis telah banyak dilakukan [2]- [8]. Penelitian tersebut secara umum menggunakan pendekatan Natural Language Generation (NLG) untuk berbagai domain masalah menggunakan berbagai pendekatan dan metode, di antaranya pembangkitan tekstual ramalan cuaca berbasis metode Case Based Reasoning (CBR) dilakukan dalam [2], kajian penerapan pengetahuan geografis dari web untuk membangkitkan deskripsi jaringan sensor hidrologi bagi publik [3], dan pembangkitan teks dari masukan nontekstual (dataset tabular) [4].…”

“…Penelitian tersebut secara umum menggunakan pendekatan Natural Language Generation (NLG) untuk berbagai domain masalah menggunakan berbagai pendekatan dan metode, di antaranya pembangkitan tekstual ramalan cuaca berbasis metode Case Based Reasoning (CBR) dilakukan dalam [2], kajian penerapan pengetahuan geografis dari web untuk membangkitkan deskripsi jaringan sensor hidrologi bagi publik [3], dan pembangkitan teks dari masukan nontekstual (dataset tabular) [4]. Secara khusus untuk bidang kesehatan, pembangkitan ringkasan tekstual dari data medis neonatal di ruang ICU menggunakan pendekatan datato-text dilakukan dalam [5], pembangkitan ringkasan rawat inap pasien dalam [6], pembangkitan interpretasi tekstual berbahasa Indonesia berdasarkan data grafik pengawasan kesehatan satu garis menggunakan metode bigram dalam [7], dan pembangkitan interpretasi berbahasa Indonesia berdasarkan data grafik pengawasan kesehatan dua garis menggunakan metode template dalam [8]. Sejalan dengan penerapan di bidang kesehatan tersebut, penelitian ini bertujuan dan berfokus dalam mengembangkan sistem interpretasi tekstual berbahasa Indonesia berdasarkan data hasil pemeriksaan kimia darah secara otomatis dengan menggunakan pendekatan NLG berbasis metode r-template.…”

“…Keberhasilan dan keandalan BTISys dinilai berdasarkan tingkat naturalness dari kalimat yang dibangkitan oleh BTISys. Tingkat naturalness ini dievaluasi dengan mempertimbangkan 3 (tiga) aspek, yaitu aspek readability, clarity, dan general appropriateness seperti [7], [8], [10]. Penilaian ini dilakukan oleh dokter muda atau dokter koas yang merupakan pengguna utama dari keluaran BTISys melalui suatu kuisioner terstruktur.…”