自动临床术语词汇表：基于本体知识生成的大规模生物医学定义词典
计算与语言
2023-06-02 v1
摘要
背景：SnomedCT 是一个综合生物医学本体，包含超过 400,000 个生物医学概念及其部分关系。然而，其概念名称并非总能被非专家或查看自身电子健康记录（EHR）的患者轻易理解。以可理解语言给出的清晰定义或描述通常不可用。因此，为生物医学概念生成人类可读的定义可能有助于使其编码的信息对更广泛的公众更易获取和理解。目标：在本文中，我们介绍自动临床术语词汇表（AGCT），这是一个大规模的临床概念生物医学词典，利用从 SnomedCT 所含生物医学知识中提取的高质量信息生成。方法：在提示 OpenAI Turbo 模型（GPT 3.5 的一个变体）时，我们使用待定义概念的 SnomedCT 关系的高质量语言化表述，为每一个 SnomedCT 概念生成新颖定义。随后，具有生物医学专业知识的 NLP 研究者沿以下三个维度以 5 分制对生成定义的显著子集进行评判：事实性、洞察力和流畅性。结果：AGCT 包含 422,070 条由计算机生成的 SnomedCT 概念定义，涵盖疾病、操作、药物和解剖等多个领域。定义的平均长度为 49 个词。这些定义在三个维度上的平均得分均超过 4.5（满分 5 分），表明多数为事实准确、有洞察力且流畅的定义。结论：AGCT 是面向需要 SnomedCT 概念人类可读定义的生物医学任务的新型且有价值的资源。它也可作为开发鲁棒生物医学检索模型或其他利用生物医学知识自然语言理解的应用的基础。
引用
@article{arxiv.2306.00665,
title = {Automatic Glossary of Clinical Terminology: a Large-Scale Dictionary of Biomedical Definitions Generated from Ontological Knowledge},
author = {François Remy and Thomas Demeester},
journal= {arXiv preprint arXiv:2306.00665},
year = {2023}
}
备注
Accepted at the BioNLP 2023 workshop