AutoRD：基于本体增强的稀有疾病知识图谱自动构建系统
计算与语言
2024-10-28 v4 人工智能
摘要
稀有疾病影响数百万人，但常因其患病率低而获得有限研究关注，导致诊断延迟和缺乏批准疗法。近期大型语言模型(LLMs)在自动提取医学信息方面显示出改善医疗诊断和管理的潜力。然而，大多数LLMs缺乏专业医学知识，尤其是针对稀有疾病，且难以处理最新稀有疾病信息。它们也无法有效管理稀有疾病数据，不适用于诊断和管理任务。我们的目标是创建一个名为AutoRD的端到端系统，自动从关于稀有疾病的医学文本中提取信息，聚焦实体及其关系。AutoRD集成最新的结构化知识，在稀有疾病提取任务中表现优异。我们进行多项实验评估AutoRD的性能，旨在超越常规LLMs和传统方法。
引用
@article{arxiv.2403.00953,
title = {AutoRD: An Automatic and End-to-End System for Rare Disease Knowledge Graph Construction Based on Ontologies-enhanced Large Language Models},
author = {Lang Cao and Jimeng Sun and Adam Cross},
journal= {arXiv preprint arXiv:2403.00953},
year = {2024}
}