論文の概要: End-to-End $n$-ary Relation Extraction for Combination Drug Therapies
- arxiv url: http://arxiv.org/abs/2303.16886v1
- Date: Wed, 29 Mar 2023 17:55:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 13:34:38.021975
- Title: End-to-End $n$-ary Relation Extraction for Combination Drug Therapies
- Title(参考訳): 薬物併用療法のためのエンドツーエンド$n$-ary関係抽出法
- Authors: Yuhang Jiang and Ramakanth Kavuluru
- Abstract要約: 組み合わせ薬物療法は、がん、HIV、マラリア、結核患者に対してより一般的に投与される2つ以上の薬物を含む治療薬である。
科学的文献からそのような治療法を抽出することは本質的に$n$-ary関係抽出問題を構成する。
ここでは、シーケンス・ツー・シーケンス方式のエンドツーエンド抽出手法を用いて、正(または有効)の組み合わせに対するCombDrugExtテストセット上でのF1スコアの6.7%を達成している。
- 参考スコア(独自算出の注目度): 4.447838938807983
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Combination drug therapies are treatment regimens that involve two or more
drugs, administered more commonly for patients with cancer, HIV, malaria, or
tuberculosis. Currently there are over 350K articles in PubMed that use the
"combination drug therapy" MeSH heading with at least 10K articles published
per year over the past two decades. Extracting combination therapies from
scientific literature inherently constitutes an $n$-ary relation extraction
problem. Unlike in the general $n$-ary setting where $n$ is fixed (e.g.,
drug-gene-mutation relations where $n=3$), extracting combination therapies is
a special setting where $n \geq 2$ is dynamic, depending on each instance.
Recently, Tiktinsky et al. (NAACL 2022) introduced a first of its kind dataset,
CombDrugExt, for extracting such therapies from literature. Here, we use a
sequence-to-sequence style end-to-end extraction method to achieve an F1-Score
of $66.7\%$ on the CombDrugExt test set for positive (or effective)
combinations. This is an absolute $\approx 5\%$ F1-score improvement even over
the prior best relation classification score with spotted drug entities (hence,
not end-to-end). Thus our effort introduces a state-of-the-art first model for
end-to-end extraction that is already superior to the best prior non end-to-end
model for this task. Our model seamlessly extracts all drug entities and
relations in a single pass and is highly suitable for dynamic $n$-ary
extraction scenarios.
- Abstract(参考訳): 組み合わせ薬物療法は、がん、HIV、マラリア、結核患者に対してより一般的に投与される2つ以上の薬物を含む治療薬である。
pubmedには、過去20年間で年間に少なくとも10万記事が発行されている、"結合薬物療法"メッシュを使用する350万以上の記事がある。
科学文献から組み合わせ療法を抽出することは本質的に$n$-ary関係抽出問題を構成する。
一般的な$n$-ary設定とは異なり、$n$は固定(例えば、$n=3$の薬物遺伝子変異関係)であり、組み合わせ療法の抽出は、各インスタンスに応じて$n \geq 2$が動的である特別な設定である。
最近、Tiktinsky et al. (NAACL 2022) は、この種の治療法を文献から抽出するための最初のデータセットCombDrugExtを導入した。
ここではシーケンス・ツー・シーケンス方式のエンドツーエンド抽出手法を用いて,正(あるいは有効)の組み合わせに対してCombDrugExtテストセット上でF1スコア6.7\%のF1スコアを実現する。
これは、斑点のある薬物(エンドツーエンドではなく、エンドツーエンド)との以前の最高の関係分類スコアよりも、絶対的に$\$5\%$ f1-scoreの改善である。
そこで本研究では,従来の非エンドツーエンドモデルよりもすでに優れているエンドツーエンド抽出のための最先端ファーストモデルを提案する。
本モデルでは, 薬物の実体と関係を1パスでシームレスに抽出し, 動的$n$-ary抽出シナリオに非常に適している。
関連論文リスト
- Counterfactual Uncertainty Quantification of Factual Estimand of Efficacy from Before-and-After Treatment Repeated Measures Randomized Controlled Trials [1.3461364647443341]
本稿では、実測点推定の不確実性を定量化する$textitcounterfactual$ uncertainty Quantification (CUQ)を示すが、反実的な設定では達成可能である。
我々は、ETZと呼ばれる新しい統計モデリング原理を作成することにより、現実のUQよりも変動性が小さいCUQを実現する。
我々は,標準回帰仮定に反する測定誤差のある予測器の使用に注意を喚起し,治療効果を推定するために$textitattenuation$を発生させる可能性がある。
論文 参考訳(メタデータ) (2024-11-14T18:01:02Z) - Exploiting Pre-trained Models for Drug Target Affinity Prediction with Nearest Neighbors [58.661454334877256]
薬物-標的結合親和性(DTA)予測は、薬物発見に不可欠である。
DTA予測へのディープラーニング手法の適用にもかかわらず、達成された精度は依然として準最適である。
事前学習したDTA予測モデルに適用した非表現埋め込みに基づく検索手法である$k$NN-DTAを提案する。
論文 参考訳(メタデータ) (2024-07-21T15:49:05Z) - Synthetic Combinations: A Causal Inference Framework for Combinatorial
Interventions [8.491098180590447]
介入の任意の組み合わせ、すなわち$N×2p$因果パラメータについて、単位特異的な潜在的な結果を学ぶ。
様々なパラメーターを推定するために$N×2p$の実験を実行すると、$N$と$p$が成長するほど高価で/または実現不可能である。
論文 参考訳(メタデータ) (2023-03-24T18:45:44Z) - 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) - Reward-Mixing MDPs with a Few Latent Contexts are Learnable [75.17357040707347]
報酬混合マルコフ決定過程(RMMDP)におけるエピソード強化学習の検討
我々のゴールは、そのようなモデルにおける時間段階の累積報酬をほぼ最大化する、ほぼ最適に近いポリシーを学ぶことである。
論文 参考訳(メタデータ) (2022-10-05T22:52:00Z) - Supervised Training of Conditional Monge Maps [107.78770597815242]
最適輸送(OT)理論は、多くの可能な選択の中から確率測度を他のものにマッピングする最も効率的な方法を定義し、選択する一般的な原理を記述している。
本研究では,コンテキスト変数に条件付きOTマップの族を推定するマルチタスク手法であるCondOTを紹介する。
本研究では,CondOTの遺伝的・治療的摂動の任意の組み合わせが単一細胞に与える影響を推測する能力を示す。
論文 参考訳(メタデータ) (2022-06-28T19:34:44Z) - Dynamic Ranking with the BTL Model: A Nearest Neighbor based Rank
Centrality Method [5.025654873456756]
静的設定から動的設定への古典的BTL(Bradley-Terry-Luce)モデルの拡張について検討する。
我々は mathbbRn$ のアイテム $w_t* の潜在強度をいつでも回復することを目指している。
また、実データおよび合成データに関する実験で理論解析を補完する。
論文 参考訳(メタデータ) (2021-09-28T14:01:40Z) - An Online Riemannian PCA for Stochastic Canonical Correlation Analysis [37.8212762083567]
投影行列の再パラメータ化を用いた正準相関解析(CCA)のための効率的なアルゴリズム(RSG+)を提案する。
本論文は,その特性の定式化と技術的解析に主眼を置いているが,本実験により,一般的なデータセットに対する経験的挙動が極めて有望であることが確認された。
論文 参考訳(メタデータ) (2021-06-08T23:38:29Z) - Nearly Minimax Optimal Reinforcement Learning for Linear Mixture Markov
Decision Processes [91.38793800392108]
本稿では,マルコフ決定過程(MDP)の遷移確率核が線形混合モデルである線形関数近似による強化学習について検討する。
上記の線形混合 MDP に対して$textUCRL-VTR+$ という線形関数近似を用いた計算効率の良い新しいアルゴリズムを提案する。
我々の知る限り、これらは線形関数近似を持つRLのための計算効率が良く、ほぼ最小のアルゴリズムである。
論文 参考訳(メタデータ) (2020-12-15T18:56:46Z)
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。