論文の概要: Automating the Compilation of Potential Core-Outcomes for Clinical Trials

• arxiv url: http://arxiv.org/abs/2101.04076v1
• Date: Mon, 11 Jan 2021 18:14:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-04 16:36:22.112011
• Title: Automating the Compilation of Potential Core-Outcomes for Clinical Trials
• Title（参考訳）: 臨床試験におけるコア出力のコンパイルの自動化
• Authors: Shwetha Bharadwaj, Melanie Laffin
• Abstract要約: 本論文では, 自然言語処理を応用した自動化手法について, 臨床試験のコアとなる成果について述べる。 BioBERTに加えて、エンコーダ出力の埋め込み表現のみを利用する教師なしの機能ベースのアプローチが利用された。 この方法は、BioBERTモデルの学習した埋め込みから得られた各トークンのドメイン固有のコンテキストと、文の類似性のより安定したメトリックの両方を利用することができました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to increased access to clinical trial outcomes and analysis, researchers and scientists are able to iterate or improve upon relevant approaches more effectively. However, the metrics and related results of clinical trials typically do not follow any standardization in their reports, making it more difficult for researchers to parse the results of different trials. The objective of this paper is to describe an automated method utilizing natural language processing in order to describe the probable core outcomes of clinical trials, in order to alleviate the issues around disparate clinical trial outcomes. As the nature of this process is domain specific, BioBERT was employed in order to conduct a multi-class entity normalization task. In addition to BioBERT, an unsupervised feature-based approach making use of only the encoder output embedding representations for the outcomes and labels was utilized. Finally, cosine similarity was calculated across the vectors to obtain the semantic similarity. This method was able to both harness the domain-specific context of each of the tokens from the learned embeddings of the BioBERT model as well as a more stable metric of sentence similarity. Some common outcomes identified using the Jaccard similarity in each of the classifications were compiled, and while some are untenable, a pipeline for which this automation process could be conducted was established.
• Abstract（参考訳）: 臨床試験の結果や分析へのアクセスの増加により、研究者や科学者は、関連するアプローチをより効果的に反復または改善することができる。 しかしながら、臨床試験のメトリクスと関連する結果は通常、報告の標準化に従わないため、研究者が異なる臨床試験の結果を解析することがより困難になる。 本研究の目的は,異なる臨床試験結果の問題点を軽減するために,自然言語処理を利用した自動化手法について述べることである。 このプロセスの性質はドメイン固有であるため、BioBERTはマルチクラスのエンティティ正規化タスクを実行するために使用された。 BioBERTに加えて、結果とラベルのエンコーダ出力の埋め込み表現のみを利用する教師なしの機能ベースのアプローチが利用された。 最後に、コサイン類似性をベクトル全体で計算し、意味的類似性を得る。 この方法では、BioBERTモデルの学習した埋め込みから各トークンのドメイン固有のコンテキストを活用できるだけでなく、より安定した文類似度の測定も可能である。 それぞれの分類でJaccardの類似性を識別したいくつかの一般的な結果がコンパイルされ、一部は耐え難いが、この自動化プロセスを実行するパイプラインが確立された。

関連論文リスト

• Subgroup analysis methods for time-to-event outcomes in heterogeneous randomized controlled trials [7.940293148084845]
  非有意なランダム化制御試験は、実験薬に対する優れた応答者のサブグループを隠すことができる。 Githubで公開されているオープンソースのPythonパッケージには、生成プロセスと包括的なベンチマークフレームワークが含まれています。
  論文  参考訳（メタデータ） (2024-01-22T11:00:49Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• A reproducible experimental survey on biomedical sentence similarity: a string-based method sets the state of the art [0.0]
  本報告では,生物医学的文章類似性に関する再現可能な実験結果として,最大かつ初めて紹介する。 本研究の目的は,問題の現状を解明し,現状の手法の評価を未然に防ぐことにある。 実験の結果,前処理段階と NER ツールの選択が文類似性手法の性能に大きく影響していることが確認された。
  論文  参考訳（メタデータ） (2022-05-18T06:20:42Z)
• Assessment of contextualised representations in detecting outcome phrases in clinical trials [14.584741378279316]
  本稿では,300 PubMed の要約を専門的に注釈付けしたデータセット "EBM-COMET" を紹介する。 結果の抽出には,事前学習した文脈表現を微調整する。 ベストモデル(BioBERT)は81.5%のF1、81.3%の感度、98.0%の特異性を達成している。
  論文  参考訳（メタデータ） (2022-02-13T15:08:00Z)
• Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
  因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。 本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。 提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
  論文  参考訳（メタデータ） (2021-11-15T03:16:56Z)
• On Inductive Biases for Heterogeneous Treatment Effect Estimation [91.3755431537592]
  我々は、異なる治療下で、個人の潜在的成果(PO)の構造的類似性を利用する方法について検討する。 この問題を克服するために、エンドツーエンドの学習戦略を3つ比較する。
  論文  参考訳（メタデータ） (2021-06-07T16:30:46Z)
• Validating GAN-BioBERT: A Methodology For Assessing Reporting Trends In Clinical Trials [3.164363223464948]
  本研究では,半教師付き自然言語プロセスモデルを用いた臨床試験要約のための感情分類アルゴリズムを開発した。 このアルゴリズムの精度は91.3%であり、マクロF1スコアは0.92であり、従来の手法に比べて精度が大幅に向上した。
  論文  参考訳（メタデータ） (2021-06-01T17:51:54Z)
• Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
  両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。 実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-01-22T19:49:47Z)
• Interaction Matching for Long-Tail Multi-Label Classification [57.262792333593644]
  既存のマルチラベル分類モデルにおいて,制約に対処するためのエレガントで効果的なアプローチを提案する。 ソフトなn-gram相互作用マッチングを実行することで、ラベルと自然言語記述をマッチングする。
  論文  参考訳（メタデータ） (2020-05-18T15:27:55Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• Exemplar Auditing for Multi-Label Biomedical Text Classification [0.4873362301533824]
  我々は、最近提案されたゼロショットシーケンスラベリング手法「畳み込み分解による教師付きラベリング」を一般化する。 この手法は"イントロスペクション(introspection)"と分類され、推論時間予測のきめ細かい特徴を最も近い隣人に関連付ける。 提案手法は,医療従事者に対して,モデルの予測を駆動する健全な特徴を理解する上で,競争力のある分類モデルと尋問メカニズムの両方を提供する。
  論文  参考訳（メタデータ） (2020-04-07T02:54:20Z)

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。