Design and Construction  of Ontology for Multiple Sclerosis

Khedmatinejad, Hojjat; CheshmehSohrabi, Mehrdad

doi:10.22034/jipm.2025.2018477.1476

Design and Construction of Ontology for Multiple Sclerosis

Document Type : Original Article

Authors

Hojjat Khedmatinejad ¹

Mehrdad CheshmehSohrabi ²

¹ PhD Candidate in Knowledge and Information Science; University of Isfahan; Isfahan, Iran

² Professor; University of Isfahan; Faculty of Education and Psychology; Department of Knowledge and Information Science; Isfahan, Iran

10.22034/jipm.2025.2018477.1476

Abstract

Ontology, as a semantic tool aims to provide a definitive and comprehensive classification of entities across all domains of existence and to retrieve knowledge from resources. Ontologies have significant applications in the fields of medicine and the understanding and treatment of diseases. Therefore, the aim of the present research is to design an ontology for the domain of Multiple Sclerosis (MS) and the stages of its construction.
This study was conducted with a qualitative approach using content analysis based on the Bermejo OASys method. The stages considered for constructing the MS ontology include nine steps as follows: 1) determining the domain, scope, or purpose of the ontology, 2) identifying information resources including books, articles, experts, and others, 3) identifying and collecting terms and concepts from texts, 4) determining the subject coverage, scope, and main classes of the ontology, 5) establishing the hierarchy of terms and concepts, 6) defining and determining the relationships between terms and concepts, 7) describing the characteristics of categories and the relationships between them, 8) determining relationships between samples and classes, and 9) creating necessary constraints and rules. The statistical population of the research consisted of specialized Persian and English information resources in the field of MS. To this end, all symptoms of this disease, treatment methods, and its diagnosis were extracted from books, articles, and specialized glossaries in this field. The conceptual framework of the MS ontology was developed based on relevant specialized texts and manually using Protégé software version 5.5.
The MS ontology includes six main classes as follows: 1) types of MS, 2) treatment methods, 3) diagnostic methods, 4) symptoms of the disease, 5) factors contributing to human susceptibility to this disease, and 6) its complications, each of which also includes its related subclasses. Additionally, to determine the relationships between concepts, ten main semantic relationships were identified, including: 1) has a cause, 2) is a
This study focuses on the role of perceived benefits and risks, along with their dimensions, in influencing users’ intentions to seek and share health information through social networks. The research employed a correlation-based applied survey method. The statistical population for this study included all students at the University of Tehran, with a determined sample size of 382. A total of 364 questionnaires were returned and analyzed using SPSS and LISREL. The results of the Structural Equation Modeling analysis indicated that nine hypotheses were confirmed while four were rejected. Overall, the findings revealed that perceived usefulness, credibility, and emotional support related positively to perceived benefits. However, no relationship was found between informational support and perceived benefits. Additionally, privacy concerns, time commitment, and psychological risk were positively associated with perceived risk. Conversely, no relationship were observed between mental intangibility or social risk and perceived risk. Furthermore, perceived benefits were positively related to the intention to seek and share health information, while perceived risk was negatively related only to the intention to seek health information.

Keywords

Health Information

Seeking Health Information

Sharing Health Information

Social Networks

Perceived Risk

Perceived Benefit

Net Valence Mode

Subjects

Organizing and Processing

فهرست منابع

احمدی، حمید، فریده عصاره، ملوک‌السادات حسینی ‌بهشتی، و غلامرضا حیدری، 1396. طراحی سامانه نیمه‌خودکار ساخت هستی‌شناسی به‌ کمک تحلیل هم‌رخدادی واژگان و روش C-value (مطالعه موردی: حوزه علم‌سنجی ایران). پژوهشنامه پردازش و مدیریت اطلاعات 33 (1): 185-216.

باقرپور، بهناز، عاطفه شریف، فاطمه و زندیان. 1400. طراحی هستی‌شناسی حوزه تاریخ نظامی جنگ ایران و عراق. پژوهشنامه پردازش و مدیریت اطلاعات 38 (1): 271-304.

تمجید، سمیه، فاطمه نوشین‌فرد، ملوک‌السادات حسینی ‌بهشتی، نجلا حریری، و فهیمه باب‌الحوائجی. 1401. امکان‌سنجی توسعه هستی‌شناسی به‌ روش نیمه‌خودکار مبتن ی‌بر تحلیل بسامد واژگان: مطالعه موردی بیماری گلوکوم. پژوهشنامه پردازش و مدیریت اطلاعات 39 (1): 131-156.

حسینی‌ ‌بهشتی، ملوک‌السادات و فاطمه اژه‌ای. 1393. طراحی و پیاده‌سازی هستی‌شناسی علوم پایه بر اساس مفاهیم و روابط موجود در اصطلاحنامه‌های مرتبط. پژوهشنامه پردازش و مدیریت اطلاعات 30 (3): 677-696.

درخوش، ملیحه. 1399. طراحی، پیاده‌سازی و ارزیابی الگوی هستی‌شناختی حوزه نقاشی بر پایه الگوی مرجع مفهومی سیداک (CIDOC-CRM). پایان‌نامه دکتری.گروه علم اطلاعات و دانش‌شناسی. دانشکده علوم تربیتی و روانشناسی. دانشگاه فردوسی مشهد.

زاهدی، راضیه، غلامرضا امین، مهرداد کریمی، و محمدرضا علی‌بیک. 1392. روش‌شناسی ایجاد هستی‌شناسی مبتنی ‌بر نظام زبان واحد پزشکی: مطالعه موردی هستی‌شناسی گیاهان دارویی ایران. کتابداری و اطلاع‌رسانی 16 (3): 81-100.

شادگار، بیتا، علیرضا عصاره، و آزاده هراتیان نژادی. 1397. وب ‌معنایی، مفاهیم و تکنیک‌ها. تهران: ارمغان.

شریف، عاطفه. 1385. شناختی از روابط معنایی در هستی‌نگاشت وب. اطلاع‌شناسی 4 (1و2): 66-84.

صنعت‌جو، اعظم و اکرم فتحیان. 1390. مقایسه کارآمدی اصطلاحنامه و هستی‌شناسی در بازنمون دانش. پژوهشنامه کتابداری و اطلاع‌رسانی 1 (1): 219-240.

صنعت‌جو، اعظم و اکرم فتحیان. 1391. روش‌شناسی طراحی، ساخت و پیاده‌سازی هستی‌شناسی: رویکردها، زبان‌ها و ابزارها (مطالعه موردی طراحی هستی‌شناسی ASFAONT در حوزه کتابداری و اطلاع‌رسانی). کتابداری و اطلاع‌رسانی 15 (1): 113-142.

فرج‌پهلو، عبدالحسین، زاهد بیگدلی، مهرداد چشمه‌سهرابی، و بهجت طاهری. 1398. طراحی و ساخت هستی‌نگاشت بیماری‌های مادرزادی قلب کودکان به ‌زبان فارسی. مدیریت اطلاعات سلامت 16 (5): 253-259.

کوکبی، مرتضی، عبدالحسین فرج‌پهلو، فریده عصاره، و سولماز زرداری. 1396. مروری بر مفهوم هستی‌نگاری در وب معنایی. تحقیقات کتابداری و اطلاع‌‎رسانی دانشگاهی 51 (3): 83-100.

مالمیر، آزیتا، ثریا ضیایی، افشین موسوی‌چلک، و فائزه دلقندی. 1401. ساختار هستی‌نگاری حوزه کودکان و نوجوانان بر اساس اصطلاحنامه اصکا. مطالعات کتابداری و سازماندهی اطلاعات 33 (2): 88-104.

مالمیر، آزیتا، افشین موسوی‌چلک، ثریا ضیایی، و فائزه دلقندی. 1402. طراحی هستی‌نگاری کودکان و نوجوانان به‌عنوان ابزار بازنمون دانش با تکیه بر روش مهندسی مجدد. پژوهشنامه پردازش و مدیریت اطلاعات 39 (3): 887-914.

محمدی‌استانی، مرتضی، مریم آذرگون، و مهرداد چشمه‌سهرابی. 1396. روش‌شناسی ساخت و طراحی هستی‌نگاشت‌ها: موردپژوهی حوزه علم‌سنجی. پژوهشنامه پردازش و مدیریت اطلاعات 33 (4): 1765-1792.

مشتاق، شادی و ملوک‌السادات حسینی‌ بهشتی.‌ 1402. طراحی یک هستی‌شناسی برای ادبیات کودکان و نوجوانان بر ‌مبنای اصطلاحنامه کانون پرورش فکری کودکان و نوجوانان (اصکا). پژوهشنامه پردازش و مدیریت اطلاعات 39 (4): 1323-1350.

نیک‌نیا، معصومه. 1398. پیاده‌سازی الگوی مرجع مفهومی سی‌داک (CIDOC CRM) برای حوزه باستان‌شناسی ایران . پایان‌نامه دکتری. رشته علم اطلاعات و دانش‌شناسی. دانشکده روان‌شناسی و علوم تربیتی. دانشگاه خوارزمی.

هاشمی، پروین، آمنه خدیور، و مهدی شامی‌زنجانی. 1397. توسعه هستان‌شناسی فرایندمحور برای فناوری‌های مدیریت دانش. پژوهشنامه پردازش و مدیریت اطلاعات 33 (3): 1141-1164.

References

Abhilash, C. B., & K. Mahesh. 2023. Ontology-based data interestingness: A state-of-the-art review. Natural Language Processing Journal 100021: 1-16.

Achour, S., M. Dojat, J. M., Brethon, G. Blain, & E. Lepage. 1999. The use of the UMLS knowledge sources for the design of a domain specific ontology: a practical experience in blood transfusion. In Artificial Intelligence in Medicine: Joint European Conference on Artificial Intelligence in Medicine and Medical Decision Making, AIMDM’99 Aalborg, Denmark, June 20–24, 1999 Proceedings (pp. 249-253). Springer Berlin Heidelberg.

Andreoli, A., E. Thomas, & L. Russell. 2001. Inflammatory and demyelinative disease. Andreoli A, Thomas E, Russell L. Cecil essentials of medicine. 5th ed. England: MacGraw Hill: 1179-1186.

Bermejo, J. 2007. A simplified guide to create an ontology. A simplified guide to create an ontology. http://www.aslab.org/documents/controlled/ASLAB-R-2007-004.pdf (accessed Feb. 11, 2024)

Bright, T. J., E. Y. Furuya, G. J. Kuperman, J. J., Cimino, & S. Bakken. 2012. Development and evaluation of an ontology for guiding appropriate antibiotic prescribing. Journal of biomedical informatics 45 (1): 120-128.

Chun, C., & L. Wenlin. 2004. From agricultural thesaurus to ontology. In the AOS Workshop, April 27-29 Beijing, China. Retrieved from http://www.fao.org/agris/aos/ConferencesW/FifthAOS_China44/AOS_Proceedings/docs/1-3. pdf (accessed Oct. 10, 2022)

Colantonio, S., i. Gurevich, M. Martinelli, O. Salvetti, & Y. Trusova. 2007. Thesaurus-based ontology on image analysis. In Semantic Multimedia: Second International Conference on Semantic and Digital Media Technologies, SAMT 2007, Genoa, Italy, December 5-7, 2007. Proceedings 2 (pp. 113-116). Springer Berlin Heidelberg.

Cowell, L. G., & B. Smith. 2010. Infectious disease ontology. Infectious disease informatics. New York: Springer. 373-395.

Dumontier, M., & N. Villanueva-Rosales. 2009. Towards pharmacogenomics knowledge discovery with the semantic web. Briefings in bioinformatics 10 (2): 153-163.

Ebers, G. C. 2008. Environmental factors and multiple sclerosis. The Lancet Neurology 7 (3): 268-277.

Esfahani, M. Z., M. Ahmadi, & I. Adibi. 2022. Ontology for symptomatic treatment of multiple sclerosis. Healthcare Informatics Research 28 (4): 332-342.

Gómez-Pérez, A., M. Fernández-López, & O. Corcho. 2006. Ontological Engineering: with examples from the areas of Knowledge Management, e-Commerce and the Semantic Web. Berlin: Springer Science & Business Media.

González-Eras, A., R. Dos Santos, J. Aguilar, & A. Lopez. 2022. Ontological engineering for the definition of a COVID-19 pandemic ontology. Informatics in Medicine Unlocked 28: 100816.

Guarino, N., D. Oberle, & S. Staab. 2009. What is an ontology? In Staab, S., & Studer, R. (Eds.). Handbook on ontologies.?: Springer Science & Business Media, 1-17.

Gruber, T.R. 1993. A translation approach to portable ontology specifications. Knowl Acquis 5 (2): 199–220.

Horridge, M., S. Jupp, G. Moulton, A. Rector, R. Stevens, & C. Wroe. 2009. A practical guide to building owl ontologies using protégé 4 and co-ode tools edition 1. 2.?: The university of Manchester, 107.

Jensen, M., A. P. Cox, N. Chaudhry, M. Ng, D. Sule, W. Duncan, ... & A. D. Diehl. 2013. The neurological disease ontology. Journal of biomedical semantics 4: 1-10.

Kayed, A., N. Hirzallah, L. A. A. Shalabi, & M. Najjar. 2008. Building ontological relationships: A new approach. Journal of the American Society for Information Science and Technology 59 (11): 1801-1809.

Koch-Henriksen, N., & P. S. Sørensen. 2010. The changing demographic pattern of multiple sclerosis epidemiology. The Lancet Neurology 9 (5): 520-532.

Li, P., & Y. Li. 2013. On transformation from the thesaurus into domain ontology. Advanced Materials Research 756: 2698-2704.

Malhotra, A., E. Younesi, M. Gündel, B. Müller, M.T. Heneka, & M. Hofmann-Apitius. 2014. ADO: A disease ontology representing the domain knowledge specific to Alzheimer’s disease. Alzheimer’s & dementia 10 (2): 238-246.

Malik, S. K., N. Prakash, & S. Rizvi. 2010. Ontology Design and Development: Some aspects: An overview. Semant Web J. 54-58 https://www.semantic-web-journal.net/sites/default/files/58_54.pdf (accessed Feb. 14, 2024).

Malik, N., D. Hijam, & A. Sharan. 2021. Ontology based knowledge representation: Case study from agriculture domain. International Journal of Knowledge-based and Intelligent Engineering Systems 25 (1): 97-108.

Mandia, D., O. E. Ferraro, G. Nosari, C. Montomoli, E. Zardini, & R. Bergamaschi. 2014. Environmental factors and multiple sclerosis severity: a descriptive study. International journal of environmental research and public health 11 (6): 6417-6432.

Noy, N. F., & D. L. McGuinness. 2001. Ontology development 101: A guide to creating your first ontology. Stanford: Stanford University. http://protege.stanford.edu/publications/ontology_development/ontology101.pdf (accessed Feb. 10, 2024).

Orton, S. M., B. M. Herrera, I. M. Yee, W. Valdar, S. V. Ramagopalan, A. D. Sadovnick, & G. C. Ebers. 2006. Canadian Collaborative Study Group Sex ratio of multiple sclerosis in Canada: A longitudinal study. Lancet Neurol 5 (11): 932-936.

Ozacar, T., O. Ozturk, L. Salloutah, F. Yuksel, B. Abdulbaki, & E. Bilici. 2017. A Semantic web case study: Representing the ephesus museum collection using erlangen crm ontology. In Garoufallou E., Virkus S., Siatri R., Koutsomiha D. (Eds.), Metadata and Semantic Research. MTSR 2017. Communications in Computer and Information Science, Vol 755. Springer, Cham Metadata and Semantic Research, 755 (pp. 202–210). Retrieved from https://doi.org/10.1007/978-3-642-16552-8 (accessed Feb. 22, 2018)

Panzarella, G., P. Veltri, & S. Alcaro. 2023. Using ontologies for life science text-based resource organization. Artificial Intelligence in the Life Sciences 3: 100059.

Pape, K., R. Tamouza, M. Leboyer, & F. Zipp. 2019. Immunoneuropsychiatry—novel perspectives on brain disorders. Nature Reviews Neurology 15 (6): 317-328.

Seltmann, S., H. Stachelscheid, A. Damaschun, L. Jansen, F. Lekschas, J. F. Fontaine, ... & A. Kurtz. 2013. CELDA-an ontology for the comprehensive representation of cells in complex systems. BMC bioinformatics 14 (1): 1-13.

Schriml, L. M., C. Arze, S. Nadendla, Y. W. W. Chang, M. Mazaitis, V. Felix, ... & W. A. Kibbe. 2012. Disease Ontology: a backbone for disease semantic integration. Nucleic acids research 40 (D1): D940-D946.

Thunkijjanukij, A., A. Kawtrakul, S. Panichsakpatana, & U. Veesommai. 2009. Ontology development: a case study for thai rice. Agriculture and Natural Resources 43 (3): 594-604.

Uschold, M., & M. Gruninger. 1996. Ontologies: Principles, methods and applications. The knowledge engineering review 11 (2): 93-136.

Wu, X., G. Li, & Y. Liang. 2013. Modeling Chinese painting images based on ontology. International Conference on Information Technology and Applications (IEEE). Chengdu, China, 113-116.