Fugu-MT 論文翻訳(概要): Detection of Adverse Drug Events in Dutch clinical free text documents using Transformer Models: benchmark study

論文の概要: Detection of Adverse Drug Events in Dutch clinical free text documents using Transformer Models: benchmark study

arxiv url: http://arxiv.org/abs/2507.19396v2
Date: Mon, 28 Jul 2025 09:02:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-29 14:15:47.149848
Title: Detection of Adverse Drug Events in Dutch clinical free text documents using Transformer Models: benchmark study
Title（参考訳）: トランスフォーマーモデルを用いたオランダのフリーテキスト文書における逆薬物事象の検出:ベンチマーク研究
Authors: Rachel M. Murphy, Nishant Mishra, Nicolette F. de Keizer, Dave A. Dongelmans, Kitty J. Jager, Ameen Abu-Hanna, Joanna E. Klopotowska, Iacer Calixto,
Abstract要約: オランダのフリーテキスト文書における有害薬物事象(ADE)検出の基準を確立した。両方向長短期記憶(Bidirectional Long Short-Term Memory, Bi-LSTM)モデルと4つのトランスフォーマーベースオランダ語および/または多言語エンコーダモデルを訓練した。 ADE RCモデルを金標準(2ステップタスク)と予測エンティティを用いて内部的に評価した。
参考スコア（独自算出の注目度）: 2.6758306285161075
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this study, we establish a benchmark for adverse drug event (ADE) detection in Dutch clinical free-text documents using several transformer models, clinical scenarios, and fit-for-purpose performance measures. We trained a Bidirectional Long Short-Term Memory (Bi-LSTM) model and four transformer-based Dutch and/or multilingual encoder models (BERTje, RobBERT, MedRoBERTa(.)nl, and NuNER) for the tasks of named entity recognition (NER) and relation classification (RC) using 102 richly annotated Dutch ICU clinical progress notes. Anonymized free-text clinical progress notes of patients admitted to the intensive care unit (ICU) of one academic hospital and discharge letters of patients admitted to Internal Medicine wards of two non-academic hospitals were reused. We evaluated our ADE RC models internally using the gold standard (two-step task) and predicted entities (end-to-end task). In addition, all models were externally validated for detecting ADEs at the document level. We report both micro- and macro-averaged F1 scores, given the dataset imbalance in ADEs. Although differences for the ADE RC task between the models were small, MedRoBERTa(.)nl was the best performing model with a macro-averaged F1 score of 0.63 using the gold standard and 0.62 using predicted entities. The MedRoBERTa(.)nl models also performed the best in our external validation and achieved a recall of between 0.67 to 0.74 using predicted entities, meaning between 67 to 74% of discharge letters with ADEs were detected. Our benchmark study presents a robust and clinically meaningful approach for evaluating language models for ADE detection in clinical free-text documents. Our study highlights the need to use appropriate performance measures fit for the task of ADE detection in clinical free-text documents and envisioned future clinical use.
Abstract（参考訳）: 本研究では,いくつかのトランスフォーマーモデル,臨床シナリオ,適合性評価尺度を用いて,オランダのフリーテキスト文書における有害薬物事象(ADE)検出のためのベンチマークを構築した。著者らはオランダ ICU 臨床経過ノートをリッチに注釈付けした102例を用いて,2方向長短期記憶モデルと4つのトランスフォーマーベースオランダ語および/または多言語エンコーダモデル (BERTje, RobBERT, MedRoBERTa(.)nl, NuNER) を命名エンティティ認識 (NER) と関係分類 (RC) のタスクのために訓練した。 1つの大学病院の集中治療室(ICU)に入院し,2つの非学術病院の内科病棟に入院した患者の退院状を再利用した。 ADE RCモデルを金標準(2ステップタスク)と予測実体(エンドツーエンドタスク)を用いて内部的に評価した。さらに、すべてのモデルがドキュメントレベルでADEを検出するために外部で検証された。 ADEにおけるデータセットの不均衡から,マイクロおよびマクロ平均F1スコアについて報告する。 ADE RCタスクの差は小さいが、MedRoBERTa(.)nlは平均的なF1スコアが0.63、予測されたエンティティが0.62である。 MedRoBERTa(.)nlモデルも我々の外部検証において最善を尽くし、予測された実体を用いて0.67から0.74のリコールを達成した。本研究は,臨床自由テキスト文書におけるADE検出のための言語モデル評価のための,堅牢かつ臨床的意義のあるアプローチである。本研究は,臨床自由テキスト文書におけるADE検出の課題に適合する適切なパフォーマンス対策と将来的な臨床利用の必要性を明らかにするものである。

関連論文リスト

Towards Efficient Patient Recruitment for Clinical Trials: Application of a Prompt-Based Learning Model [0.7373617024876725]
臨床試験は医薬品の介入を促進するのに不可欠であるが、適格な参加者を選ぶ際にボトルネックに直面している。構造化されていない医療用テキストの複雑な性質は、参加者を効率的に識別する上での課題である。本研究では,コホート選択課題に対するプロンプトベース大規模言語モデルの性能評価を目的とした。
論文参考訳（メタデータ） (2024-04-24T20:42:28Z)
Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
論文参考訳（メタデータ） (2024-03-12T18:12:02Z)
Leveraging deep active learning to identify low-resource mobility functioning information in public clinical notes [0.157286095422595]
国際機能・障害・健康分類(ICF)のモビリティ領域に関する最初の公開アノテートデータセット我々はNational NLP Clinical Challenges (n2c2) 研究データセットを用いてキーワード拡張を用いた候補文のプールを構築する。最終的なデータセットは,5,511のアクションエンティティ,5,328のモビリティエンティティ,306のアシストエンティティ,639の量子化エンティティを含む,合計11,784のエンティティからなる4,265の文で構成されています。
論文参考訳（メタデータ） (2023-11-27T15:53:11Z)
A Federated Learning Framework for Stenosis Detection [70.27581181445329]
本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
論文参考訳（メタデータ） (2023-10-30T11:13:40Z)
TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
論文参考訳（メタデータ） (2023-07-19T12:35:09Z)
Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。臨床文献のコーパスを12種類に分類した。私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
論文参考訳（メタデータ） (2023-03-23T17:17:46Z)
Learning structures of the French clinical language:development and validation of word embedding models using 21 million clinical reports from electronic health records [2.5709272341038027]
事前訓練された言語モデルを用いた伝達学習に基づく手法は、ほとんどのNLPアプリケーションで最先端の結果を得た。本研究の目的は,下流医療NLP課題に対する言語モデルの適用が臨床報告に及ぼす影響を評価することである。
論文参考訳（メタデータ） (2022-07-26T14:46:34Z)
Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文参考訳（メタデータ） (2022-04-10T21:46:52Z)
Enhancing Clinical Information Extraction with Transferred Contextual Embeddings [9.143551270841858]
変換器(BERT)モデルによる双方向表現は、多くの自然言語処理(NLP)タスクにおいて最先端のパフォーマンスを達成した。 BERTをベースとした事前学習モデルは,軽度条件下で健康関連文書に転送可能であることを示す。
論文参考訳（メタデータ） (2021-09-15T12:22:57Z)
Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
医療コミュニティにおけるこの問題の重要性を示す。本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
論文参考訳（メタデータ） (2020-07-15T09:22:55Z)
Med7: a transferable clinical natural language processing model for electronic health records [6.935142529928062]
本稿では,臨床自然言語処理のための匿名認識モデルを提案する。このモデルは、薬物名、ルート、頻度、摂取量、強度、形態、期間の7つのカテゴリを認識するよう訓練されている。本研究は、米国における集中治療室のデータから、英国における二次医療精神保健記録(CRIS)へのモデル導入可能性を評価するものである。
論文参考訳（メタデータ） (2020-03-03T00:55:43Z)

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。