論文の概要: Applicability Condition Extraction for Therapeutic Drug-Disease Relations

• arxiv url: http://arxiv.org/abs/2606.14031v1
• Date: Fri, 12 Jun 2026 02:10:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.710894
• Title: Applicability Condition Extraction for Therapeutic Drug-Disease Relations
• Title（参考訳）: 治療薬・解離関連のための適用条件抽出
• Authors: Guanting Luo, Noriki Nishida, Yuji Matsumoto, Yuki Arase,
• Abstract要約: 本稿では, 治療薬に対する適用性条件抽出の課題について紹介する。 バイオメディカル論文の要約に薬物、疾患、適用性条件を手動で注釈付けした最初のデータセットを作成します。 薬物と疾患の関係を考慮に入れた新しいLoRA法を提案する。
• 参考スコア（独自算出の注目度）: 11.102832431694956
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying conditions that a certain drug takes therapeutic effect on a target disease is crucial for clinical decision-making support. However, most existing biomedical information extraction methods have focused on identifying only relations between drugs and diseases, while largely overlooking the context-specific conditions where such relations can apply. To address this problem, we introduce the task of applicability condition extraction for therapeutic drug--disease relations from biomedical research literature. We create the first dataset that has manually annotated triples of drugs, diseases, and applicability conditions on biomedical paper abstracts with 1,119 drug-disease pairs. Using this dataset, we systematically evaluate the performance of a range of existing methods. In addition, we propose a new method that enhances LoRA to consider relations between drugs and diseases. Our method consistently outperforms strong baselines across different evaluation settings. The source code and dataset of this paper can be obtained from: https://github.com/guantingluo98/Drug-ACE
• Abstract（参考訳）: 特定の薬物が標的疾患に治療効果を及ぼすことの特定は、臨床的意思決定支援に不可欠である。 しかし、既存のバイオメディカル情報抽出法のほとんどは、薬物と疾患の関係のみを識別することに焦点を当てており、そのような関係が適用可能な文脈特異的な条件を概ね見落としている。 この問題に対処するために, 生医学研究文献から治療薬への適用性条件抽出の課題について紹介する。 我々は,1,119対の薬物と消毒剤を要約したバイオメディカルペーパーに,手動で3種類の薬物,疾患,適用性条件を付加した最初のデータセットを作成する。 このデータセットを用いて,既存手法の性能を体系的に評価する。 さらに, 薬物と疾患の関係を考慮し, LoRAを増強する手法を提案する。 提案手法は, 評価設定の異なる強いベースラインを一貫して上回る。 本論文のソースコードとデータセットは、https://github.com/guantingluo98/Drug-ACEから取得できる。

関連論文リスト

• OPBench: A Graph Benchmark to Combat the Opioid Crisis [50.31950155687914]
  グラフ学習法は、複雑な薬物関連現象をモデル化するための有望なパラダイムとして登場した。 実際のオピオイド危機シナリオにまたがってこれらの手法を体系的に評価するための包括的なベンチマークはない。 OPBenchは、3つの重要なアプリケーションドメインにわたる5つのデータセットからなる最初の包括的なオピオイドベンチマークである。
  論文  参考訳（メタデータ） (2026-02-16T10:04:57Z)
• DREaM: Drug-Drug Relation Extraction via Transfer Learning Method [12.05102643799087]
  DREAMは、まず、トレーニングされた関係抽出モデルを用いて、エンティティ間の関係を探索する手法である。 抽出された関係は、その後、大きな言語モデルを用いて検証される。 我々の質的分析は、このアプローチが医療領域のあいまいさを明らかにすることができることを示している。
  論文  参考訳（メタデータ） (2025-10-27T10:27:00Z)
• 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)
• Transcriptomics-based matching of drugs to diseases with deep learning [1.590243405031747]
  我々は, 仮説のない, トランスクリプトミクスに基づく病気の薬物のマッチングを行うための深層学習手法を提案する。 提案するニューラルネットワークアーキテクチャは、関連する疾患と薬物差遺伝子の発現プロファイルを入力として、承認された薬物障害の指標に基づいて訓練されている。 我々は,最も広く使用されている転写学ベースのマッチングベースラインであるCMapと特徴方向に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2023-03-21T09:32:31Z)
• 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)
• Knowledge-Driven New Drug Recommendation [88.35607943144261]
  既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。 その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-10-11T16:07:52Z)
• A Dataset for N-ary Relation Extraction of Drug Combinations [39.281113345967995]
  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。
  論文  参考訳（メタデータ） (2022-05-04T19:01:16Z)
• Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
  新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。 本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
  論文  参考訳（メタデータ） (2022-02-08T09:42:08Z)
• Extracting Adverse Drug Events from Clinical Notes [1.6244541005112747]
  有害薬物イベント(ADEs)は、薬物または薬物の投与によって引き起こされる予期せぬ出来事です。 本稿では, 関連抽出手法を用いて, 薬物とその関連属性との関係を検討する。
  論文  参考訳（メタデータ） (2021-04-21T23:10:20Z)
• 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)

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。