ADEQA：一种基于问答的序列到序列 Transformer 联合抽取 ADE 与嫌疑药物的方法
计算与语言
2024-12-23 v1 信息检索
摘要
在新药上市时，早期识别药物不良事件（ADE）对于采取及时措施至关重要。这些 ADE 信息可通过临床研究报告、患者健康记录、社交媒体帖子等多种非结构化数据源获取。由于文本数据中药物与 ADE 对之间存在复杂的语言学关系，且缺乏大规模标注数据集，利用机器学习抽取 ADE 及相关嫌疑药物是一项具有挑战性的任务。本文提出了 ADEQA，一种基于问答（QA）的方法，该方法利用准监督标注数据和序列到序列 Transformer 来抽取 ADE、嫌疑药物及其之间的关系。与传统的 QA 模型不同，基于自然语言生成（NLG）的模型不需要大量的词元级标注，从而显著降低了应用门槛。在一个公开的 ADE 语料库上，我们在建立 ADE 与相应嫌疑药物之间关系方面取得了 SOTA 结果，F1 分数达到 94%。
引用
@article{arxiv.2412.15510,
title = {ADEQA: A Question Answer based approach for joint ADE-Suspect Extraction using Sequence-To-Sequence Transformers},
author = {Vinayak Arannil and Tomal Deb and Atanu Roy},
journal= {arXiv preprint arXiv:2412.15510},
year = {2024}
}