抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
副作用/イベント(ADR/ADE)は,患者の健康と健康管理コストに主要な影響を与える。ADRをできるだけ早く検出して,それらを規制者,製薬会社,および医療提供者と共有することは,罹患率を予防し,多くの生活を節約できる。ほとんどのADRは公式チャネルにより報告されていないが,それらは,患者,顧客支援呼び出し転写物,または医療提供者と医薬品販売回答の間の会議のCRMノートのような,ソーシャルメディアポストのような様々な非構造化会話でしばしば記録されている。本論文では,そのような非構造化フリーテキスト会話におけるADRを検出する自然言語処理(NLP)ソリューションを提案し,それは3つの方法で以前の研究で改善した。第1に,新しいNamed Entity認識(NER)モデルは,ADE,CADEC,およびSMM4Hベンチマークデータセット(それぞれ,91.75%,78.76%,および83.41%F1スコア)に関するADRと薬物エンティティ抽出のための新しい最先端の精度を得る。第2に,2つの新しい関係抽出(RE)モデルをBioBERTに基づいて紹介し,一方,完全接続ニューラルネットワーク(FCNN)上の他の利用特徴を用いて,既存の最先端のモデルとの比較を行い,補足的臨床医注釈付きREデータセットで訓練された場合,それらを凌駕した。第3に,会話がADRを含むかどうか決定するための新しいテキスト分類モデルは,CADECデータセット(86.69%F1スコア)上で新しい最先端の精度を得る。完全解は,Apache Sparkのトップに建設された生産グレードライブラリにおける統一NLPパイプラインとして実装され,ネイティブにスケーラブルで,商品クラスタ上のバッチまたはストリーミング記録の百万を処理できる。【JST・京大機械翻訳】