論文の概要: A Sui Generis QA Approach using RoBERTa for Adverse Drug Event
Identification
- arxiv url: http://arxiv.org/abs/2011.00057v1
- Date: Fri, 30 Oct 2020 19:09:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 16:00:23.790529
- Title: A Sui Generis QA Approach using RoBERTa for Adverse Drug Event
Identification
- Title(参考訳): 逆薬物事象同定のためのRoBERTaを用いたSwi Generis QAアプローチ
- Authors: Harshit Jain and Nishant Raj and Suyash Mishra
- Abstract要約: 本稿では,RoBERTaのロバスト性,マスキング,動的注意力を利用した質問応答フレームワークを提案する。
我々のモデルは、以前の処理を9.53% F1-Scoreで上回っている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extraction of adverse drug events from biomedical literature and other
textual data is an important component to monitor drug-safety and this has
attracted attention of many researchers in healthcare. Existing works are more
pivoted around entity-relation extraction using bidirectional long short term
memory networks (Bi-LSTM) which does not attain the best feature
representations. In this paper, we introduce a question answering framework
that exploits the robustness, masking and dynamic attention capabilities of
RoBERTa by a technique of domain adaptation and attempt to overcome the
aforementioned limitations. Our model outperforms the prior work by 9.53%
F1-Score.
- Abstract(参考訳): バイオメディカル文献やその他のテキストデータから有害薬物イベントを抽出することは、医薬品の安全性を監視する重要な要素であり、多くの医学研究者が注目している。
既存の作業は、最高の特徴表現を達成できない双方向長短メモリネットワーク(Bi-LSTM)を用いて、エンティティ-リレーション抽出を中心に、より重要視されている。
本稿では,RoBERTaのロバスト性,マスキング,動的注意力を利用した質問応答フレームワークを提案する。
我々のモデルは、以前の仕事を9.53%F1スコアで上回る。
関連論文リスト
- RO-LLaMA: Generalist LLM for Radiation Oncology via Noise Augmentation
and Consistency Regularization [51.877826904868975]
放射線腫瘍学の分野に適した汎用汎用大言語モデル(LLM)であるRO-LLaMAを提案する。
このモデルは、臨床報告の要約などの様々なタスクに適応し、放射線腫瘍専門医の幅広いワークフローをシームレスにカバーする。
また,新しいCEFTune(Consistency Embedding Fine-Tuning)技術を提案する。
論文 参考訳(メタデータ) (2023-11-27T14:49:06Z) - PGraphDTA: Improving Drug Target Interaction Prediction using Protein
Language Models and Contact Maps [4.590060921188914]
薬物発見の鍵となる側面は、新規な薬物標的相互作用(DT)の同定である。
タンパク質-リガンド相互作用は結合親和性として知られる結合強度の連続性を示す。
性能向上のための新しい改良を提案する。
論文 参考訳(メタデータ) (2023-10-06T05:00:25Z) - SynerGPT: In-Context Learning for Personalized Drug Synergy Prediction
and Drug Design [64.69434941796904]
本稿では,テキスト内薬物相乗学習のための新しい設定とモデルを提案する。
特定のがん細胞標的の文脈における10~20の薬物相乗関係の「個人化データセット」を作成した。
私たちの目標は、その文脈で追加の薬物シナジー関係を予測することです。
論文 参考訳(メタデータ) (2023-06-19T17:03:46Z) - Drug Synergistic Combinations Predictions via Large-Scale Pre-Training
and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。
ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。
我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文 参考訳(メタデータ) (2023-01-14T15:07:43Z) - SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity
Prediction [127.43571146741984]
薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。
湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。
既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。
SSM-DTAフレームワークについて述べる。
論文 参考訳(メタデータ) (2022-06-20T14:53:25Z) - AI-based Approach for Safety Signals Detection from Social Networks:
Application to the Levothyrox Scandal in 2017 on Doctissimo Forum [1.4502611532302039]
本稿では,患者のレビューから医薬安全信号を検出するためのAIベースのアプローチを提案する。
フランスにおけるLevothyroxの症例に着目し,薬式変更後にメディアから大きな注目を集めた。
本研究は, 言葉とn-grams頻度, 意味的類似性, 副薬物反応の言及, 感情分析など, 患者のレビューから抽出したNLPに基づく指標について検討した。
論文 参考訳(メタデータ) (2022-02-01T10:17:32Z) - DrugOOD: Out-of-Distribution (OOD) Dataset Curator and Benchmark for
AI-aided Drug Discovery -- A Focus on Affinity Prediction Problems with Noise
Annotations [90.27736364704108]
我々は、AI支援薬物発見のための体系的なOODデータセットキュレーターおよびベンチマークであるTarmOODを提案する。
DrugOODには、ベンチマークプロセスを完全に自動化するオープンソースのPythonパッケージが付属している。
我々は、薬物標的結合親和性予測という、AIDDにおける最も重要な問題の1つに焦点を当てる。
論文 参考訳(メタデータ) (2022-01-24T12:32:48Z) - Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost
Functions [80.12620331438052]
深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました
その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。
このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
論文 参考訳(メタデータ) (2020-06-25T08:46:37Z) - Drug-Drug Interaction Prediction with Wasserstein Adversarial
Autoencoder-based Knowledge Graph Embeddings [22.562175708415392]
薬物・薬物相互作用のための知識グラフ埋め込みフレームワークを提案する。
本フレームワークでは, 高品質な負のサンプルを生成するために, オートエンコーダを用いる。
判別器は、正三重項と負三重項の両方に基づいて薬物と相互作用の埋め込みを学習する。
論文 参考訳(メタデータ) (2020-04-15T21:03:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。