臨床エンティティ抽出の機械学習のためのロバストなベンチマーク【JST・京大機械翻訳】

Agrawal Monica; O'Connell Chloe; Fatemi Yasmin; Levy Ariel; Sontag David

プレプリント

J-GLOBAL ID：202202217631311303 整理番号：22P0177227

臨床エンティティ抽出の機械学習のためのロバストなベンチマーク【JST・京大機械翻訳】

Robust Benchmarking for Machine Learning of Clinical Entity Extraction

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 (5件)： , , , ,
資料名：
発行年： 2020年07月31日プレプリントサーバーでの情報更新日： 2020年07月31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)

臨床研究は,しばしば,フリーテキスト臨床ノートのみに存在する患者のナラティブの要素の理解を必要とする。下流使用のための構造化データにノートを変換するために,これらの要素は,一般的に抽出され,医療用語彙に正規化される。本研究では,最先端のシステムに対する性能改善の分野を監査する。2019n2c2共有タスクにおける臨床実体正規化システムに対する高いタスク精度は誤解であり,基礎となる性能はまだ脆性であることを見いだした。正規化精度は共通概念(95.3%)に対して高かったが,訓練データ(69.3%)における概念はそれほど低かった。著者らは,現在のアプローチが,医学の語彙における不一致,既存のラベリングスキーマの限界,および狭い評価技術によって部分的に妨げられることを実証する。ロバストなエンドツーエンドシステムベンチマークを可能にするため,これらの問題における因子に対する臨床実体抽出のための注釈フレームワークを再定式化した。2つの注釈者間の新しいフレームワークからのアノテーションの一致を評価し,エンティティ認識のための0.73のJaccard類似性とエンティティ正規化のための0.83の一致を達成した。著者らは,エンティティ認識と正規化における方法開発を平らすための参照標準の作成のために,実証された必要性に取り組むための経路を提案した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

医用情報処理

, , , ,

前のページに戻る