論文の概要: A Dataset for N-ary Relation Extraction of Drug Combinations

• arxiv url: http://arxiv.org/abs/2205.02289v1
• Date: Wed, 4 May 2022 19:01:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-06 14:52:00.004649
• Title: A Dataset for N-ary Relation Extraction of Drug Combinations
• Title（参考訳）: 薬物併用のN-ary関係抽出のためのデータセット
• Authors: Aryeh Tiktinsky, Vijay Viswanathan, Danna Niezni, Dana Meron Azagury, Yosi Shamay, Hillel Taub-Tabib, Tom Hope, Yoav Goldberg
• Abstract要約: 組み合わせ療法は、がん、結核、マラリア、HIVなどの疾患に対する治療の標準となっている。 本研究は,医薬品の併用効果に関する情報を科学的文献から抽出するための専門家注釈データセットを構築した。
• 参考スコア（独自算出の注目度）: 39.281113345967995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Combination therapies have become the standard of care for diseases such as cancer, tuberculosis, malaria and HIV. However, the combinatorial set of available multi-drug treatments creates a challenge in identifying effective combination therapies available in a situation. To assist medical professionals in identifying beneficial drug-combinations, we construct an expert-annotated dataset for extracting information about the efficacy of drug combinations from the scientific literature. Beyond its practical utility, the dataset also presents a unique NLP challenge, as the first relation extraction dataset consisting of variable-length relations. Furthermore, the relations in this dataset predominantly require language understanding beyond the sentence level, adding to the challenge of this task. We provide a promising baseline model and identify clear areas for further improvement. We release our dataset, code, and baseline models publicly to encourage the NLP community to participate in this task.
• Abstract（参考訳）: 組み合わせ療法は、がん、結核、マラリア、HIVなどの疾患に対する治療の標準となっている。 しかし、利用可能な多剤併用療法は、状況下で有効な組み合わせ療法を特定する上での課題となっている。 医療専門家が有用な薬物結合の同定を支援するために,我々は,薬物組み合わせの有効性に関する情報を科学文献から抽出するエキスパート注釈データセットを構築した。 実用性以外にも、このデータセットは可変長関係からなる最初の関係抽出データセットとして、ユニークなNLP課題も提示している。 さらに、このデータセットの関連性は、主に文レベルを超えて言語理解を必要とし、このタスクの課題を補足する。 有望なベースラインモデルを提供し、さらなる改善のための明確な領域を特定します。 当社はデータセット、コード、ベースラインモデルを公開し、NLPコミュニティがこのタスクに参加することを奨励しています。

関連論文リスト

• A graph neural network-based model with Out-of-Distribution Robustness for enhancing Antiretroviral Therapy Outcome Prediction for HIV-1 [5.111166539327379]
  本稿では,完全連結ニューラルネットワークとグラフニューラルネットワークの機能を組み合わせた新しいジョイントフュージョンモデルを提案する。 テストセットにおけるアウト・オブ・ディストリビューション・ドラッグに対するこれらのモデルの堅牢性を評価する。
  論文  参考訳（メタデータ） (2023-12-29T08:02:13Z)
• Multiscale Topology in Interactomic Network: From Transcriptome to Antiaddiction Drug Repurposing [0.3683202928838613]
  米国における薬物依存の激化は、革新的な治療戦略の緊急の必要性を浮き彫りにしている。 本研究は,オピオイドおよびコカイン依存症治療の薬物再服用候補を探索するための,革新的で厳格な戦略に着手した。
  論文  参考訳（メタデータ） (2023-12-03T04:01:38Z)
• Knowledge-Infused Prompting: Assessing and Advancing Clinical Text Data Generation with Large Language Models [48.07083163501746]
  臨床自然言語処理には、ドメイン固有の課題に対処できる方法が必要である。 我々は,そのプロセスに知識を注入する,革新的で資源効率のよいアプローチであるClinGenを提案する。 7つのNLPタスクと16のデータセットを比較検討した結果,ClinGenはさまざまなタスクのパフォーマンスを継続的に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-11-01T04:37:28Z)
• 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)
• Learnable Weight Initialization for Volumetric Medical Image Segmentation [66.3030435676252]
  本稿では,学習可能な重みに基づくハイブリッド医療画像セグメンテーション手法を提案する。 我々のアプローチはどんなハイブリッドモデルにも簡単に統合でき、外部のトレーニングデータを必要としない。 多臓器・肺がんセグメンテーションタスクの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-06-15T17:55:05Z)
• Leveraging text data for causal inference using electronic health records [1.4182510510164876]
  本稿では,電子健康データによる因果推論を支援するためにテキストデータを活用する統一的なフレームワークを提案する。 従来のマッチング分析にテキストデータを組み込むことで、推定処理効果の妥当性を高めることができることを示す。 これらの手法は、臨床データの二次解析範囲を、構造化ERHデータに制限された領域にまで広げる可能性があると考えている。
  論文  参考訳（メタデータ） (2023-06-09T16:06:02Z)
• Leveraging Foundation Models for Clinical Text Analysis [0.0]
  感染症は世界中の公衆衛生上重要な問題である。 利用可能な膨大な臨床データから情報抽出の課題が浮かび上がっている。 本研究では,タスク固有データに微調整された事前学習型トランスフォーマーモデルを用いた自然言語処理(NLP)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-20T17:05:13Z)
• 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)
• Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
  一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。 我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。 提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
  論文  参考訳（メタデータ） (2022-12-10T03:43:23Z)
• Phenotype Detection in Real World Data via Online MixEHR Algorithm [9.385112439570412]
  教師なし表現型アルゴリズムmixEHRをオンラインバージョンに拡張し、桁違いの大きなデータセットで使用できるようにしました。 これまでに観察された疾患群の再カプセル化に加えて,臨床的に有意な疾患のサブタイプとコンコービデンスも見いだした。 本研究は, 効果的な教師なし学習方法, 既存の臨床知識の強化, 臨床医との効果的なコラボレーションのための有望なアプローチである。
  論文  参考訳（メタデータ） (2022-11-14T17:14:39Z)

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。