BioDEX：面向真实世界药物警戒的大规模生物医学不良药物事件抽取
计算与语言
2023-10-23 v2
摘要
从生物医学文献中及时、准确地抽取不良药物事件（ADE）对公共安全至关重要，但涉及缓慢且昂贵的人工劳动。我们致力于通过自然语言处理（NLP）改进药物安全监测（药物警戒，PV）。我们推出 BioDEX，一个大规模生物医学不良药物事件抽取资源，根植于美国药物安全报告的历史产出。BioDEX 包含 65k 篇摘要和 19k 篇全文生物医学论文，以及由医学专家创建的 256k 份相关文档级安全报告。这些报告的核心特征包括患者的报告体重、年龄和生物性别、患者服用的一组药物、药物剂量、所经历的反应，以及反应是否危及生命。本工作中，我们考虑给定源论文预测报告核心信息的任务。我们估计人类表现为 72.0% F1，而我们的最佳模型达到 62.3% F1，表明该任务仍有显著提升空间。我们也开始探索这些模型可如何帮助专业 PV 审阅者。我们的代码和数据可用：https://github.com/KarelDO/BioDEX。
引用
@article{arxiv.2305.13395,
title = {BioDEX: Large-Scale Biomedical Adverse Drug Event Extraction for Real-World Pharmacovigilance},
author = {Karel D'Oosterlinck and François Remy and Johannes Deleu and Thomas Demeester and Chris Develder and Klim Zaporojets and Aneiss Ghodsi and Simon Ellershaw and Jack Collins and Christopher Potts},
journal= {arXiv preprint arXiv:2305.13395},
year = {2023}
}
备注
28 pages. EMNLP Findings 2023