自然言語処理および教師なし学習による短期,現実世界医療質問からの重要なトピックの発見【JST・京大機械翻訳】

Ziletti Angelo; Berns Christoph; Treichel Oliver; Weber Thomas; Liang Jennifer; Kammerath Stephanie; Schwaerzler Marion; Virayah Jagatheswari; Ruau David; Ma Xin; Mattern Andreas

プレプリント

J-GLOBAL ID：202202207031967650 整理番号：21P0066696

自然言語処理および教師なし学習による短期,現実世界医療質問からの重要なトピックの発見【JST・京大機械翻訳】

Discovering key topics from short, real-world medical inquiries via natural language processing and unsupervised learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (11件)： , , , , , , , , , ,
資料名：
発行年： 2020年12月08日プレプリントサーバーでの情報更新日： 2020年12月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

1年ごとに製薬会社によって,不明確な医療の Mill ofが受信されている。これらの問い合わせは,医療製品および関連する医療に関する事項への洞察を潜在的に与える,情報の t確実ななtroveを表すと仮定されてきた。しかし,大きな体積と特殊性のため,タイムリーで,再発性で,包括的な分析を行うことは難しい。ここでは,自然言語処理および教師なし学習に基づく機械学習アプローチを提案し,顧客からの実世界医療における重要話題を自動的に発見する。この手法は,オントロジーや注釈を必要としない。発見された話題は,医学情報専門家によって判断されるように,意味があり,医学的に適切であり,従って,不明確な医療問いが貴重な顧客の洞察の源であることを実証する。本研究は,医薬品産業における医療の機械学習駆動分析の道を開き,最終的に患者ケアの改善を目的とする。【JST・京大機械翻訳】

, , , ,
, , 【Automatic Indexing@JST】

医用情報処理

, , , , , , , ,

前のページに戻る