論文の概要: Detecting Contradictory COVID-19 Drug Efficacy Claims from Biomedical Literature

• arxiv url: http://arxiv.org/abs/2212.09867v1
• Date: Mon, 19 Dec 2022 21:37:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 15:04:32.987056
• Title: Detecting Contradictory COVID-19 Drug Efficacy Claims from Biomedical Literature
• Title（参考訳）: バイオメディカル文献からの矛盾するcovid-19薬効性クレームの検出
• Authors: Daniel N. Sosa, Malavika Suresh, Christopher Potts, and Russ B. Altman
• Abstract要約: NLPモデルは、この複雑で高い領域の文献を蒸留し、理解するのに役立ちます。 私たちはこれを自然言語推論の問題として捉え、ドメインの専門家が作成した新しいNLIデータセットを提供します。 我々はこれらのモデルがどのようにドメインの専門家がremdisivirおよびヒドロキシクロロキンに関する証拠を要約し、評価するのに役立つかを事例研究する。
• 参考スコア（独自算出の注目度）: 6.74913937258046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic created a deluge of questionable and contradictory scientific claims about drug efficacy -- an "infodemic" with lasting consequences for science and society. In this work, we argue that NLP models can help domain experts distill and understand the literature in this complex, high-stakes area. Our task is to automatically identify contradictory claims about COVID-19 drug efficacy. We frame this as a natural language inference problem and offer a new NLI dataset created by domain experts. The NLI framing allows us to create curricula combining existing datasets and our own. The resulting models are useful investigative tools. We provide a case study of how these models help a domain expert summarize and assess evidence concerning remdisivir and hydroxychloroquine.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、薬効に関する疑問と矛盾する科学的主張を大量に生み出した。 本研究では,NLPモデルが,この複雑で高い領域の文献を蒸留し,理解する上で有効である,と論じる。 我々の任務は、新型コロナウイルスの薬効に関する矛盾する主張を自動的に識別することである。 私たちはこれを自然言語推論の問題として捉え、ドメインの専門家が作成した新しいNLIデータセットを提供します。 NLIフレーミングにより、既存のデータセットと独自のデータセットを組み合わせたキュリキュラを作成することができます。 得られたモデルは有用な調査ツールである。 我々はこれらのモデルがどのようにドメインの専門家がremdisivirおよびヒドロキシクロロキンに関する証拠を要約し、評価するのに役立つかを事例研究する。

関連論文リスト

• Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
  大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。 RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
  論文  参考訳（メタデータ） (2024-07-17T07:44:18Z)
• A clustering and graph deep learning-based framework for COVID-19 drug repurposing [0.3359875577705538]
  本研究では,異種薬物データに基づく多機能型クラスタリングのためのグラフベースのオートエンコーダを用いた,教師なし機械学習フレームワークを提案する。 データセットは438種類の薬物で構成され、そのうち224種は新型コロナウイルスの臨床試験を受けている。 当フレームワークは,薬理学的特性,化学的・物理的性質,宿主との相互作用,各種の公開型COVID-19アッセイにおける有効性など,報告された薬物データに依存している。
  論文  参考訳（メタデータ） (2023-06-24T15:00:47Z)
• Natural Language Inference with Self-Attention for Veracity Assessment of Pandemic Claims [54.93898455714295]
  まず、COVID-19に関する異質なクレームからなる新しいPANACEAデータセットの構築について述べる。 そこで我々は,自然言語推論に基づく自動妥当性評価のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-05-05T12:11:31Z)
• Generating Scientific Claims for Zero-Shot Scientific Fact Checking [54.62086027306609]
  科学言語の複雑さと大量のトレーニングデータが不足しているため、自動科学的事実チェックは困難である。 科学的な文から1つ以上の原子的かつ検証可能なクレームを生成するための科学的クレーム生成を提案する。 また, バイオメディカルクレームのゼロショット事実チェックにも有用であることを示す。
  論文  参考訳（メタデータ） (2022-03-24T11:29:20Z)
• AI- and HPC-enabled Lead Generation for SARS-CoV-2: Models and Processes to Extract Druglike Molecules Contained in Natural Language Text [0.237499051649312]
  ラベル付きテキストのコーパスを作成し、このラベル付きコーパスを使用して名前付きエンティティ認識モデルをトレーニングし、トレーニングされたモデルを用いて10912の薬物様分子を抽出する。 性能分析の結果, 自動抽出モデルは非熟練人間と同等の性能が得られることがわかった。
  論文  参考訳（メタデータ） (2021-01-12T17:15:43Z)
• Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
  Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。 次に、テキストを体系的に前処理するためのパイプラインを構築します。 我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
  論文  参考訳（メタデータ） (2020-10-22T19:52:49Z)
• Drug Repurposing for COVID-19 via Knowledge Graph Completion [6.705100803382272]
  薬物候補を同定するための新しい,統合的で,ニューラルネットワークに基づく文献ベースの発見(LBD)手法を提案する。 提案手法は,SemRepを用いて抽出したセマンティックトリプルに依存する。 5つのSOTA, 神経知識グラフ補完アルゴリズムを用いて, 薬物再服用候補の予測を行った。
  論文  参考訳（メタデータ） (2020-10-19T15:30:51Z)
• Extracting a Knowledge Base of Mechanisms from COVID-19 Papers [50.17242035034729]
  我々はメカニズムの知識ベース(KB)の構築を追求する。 我々は、妥当性と幅のバランスをとる広範で統一されたスキーマを開発する。 実験は、新型コロナウイルスの文献に関する学際的な科学的検索を支援するためのKBの有用性を実証する。
  論文  参考訳（メタデータ） (2020-10-08T07:54:14Z)
• COVID-19 Literature Knowledge Graph Construction and Drug Repurposing Report Generation [79.33545724934714]
  我々は,学術文献から微細なマルチメディア知識要素を抽出する,新しい包括的知識発見フレームワークであるCOVID-KGを開発した。 我々のフレームワークはまた、証拠として詳細な文脈文、サブフィギュア、知識のサブグラフも提供します。
  論文  参考訳（メタデータ） (2020-07-01T16:03:20Z)
• Automatic Text Summarization of COVID-19 Medical Research Articles using BERT and GPT-2 [8.223517872575712]
  我々は,既存のNLPモデルであるBERTとOpenAI GPT-2の最近の進歩を活用している。 本モデルは,原文から抽出したキーワードに基づいて,抽象的かつ包括的情報を提供する。 我々の研究は、要約がまだ手に入らない記事の簡潔な要約を提供することで、医療コミュニティに役立てることができる。
  論文  参考訳（メタデータ） (2020-06-03T00:54:44Z)

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。