基于语义归纳推理与知识图谱嵌入的临床试验推荐
人工智能
2023-09-29 v1 定量方法
摘要
设计一项新的临床试验涉及诸多决策，例如定义队列和设定研究目标等，因此可受益于基于既往临床试验记录穷尽式挖掘的推荐。在此，我们提出一种新颖的推荐方法，基于在首创的临床试验知识图谱上训练的神经嵌入。我们在该背景下解决了若干重要研究问题，包括构建临床试验数据的知识图谱（KG）、各类 KG 嵌入（KGE）方法对其的有效性、一种使用 KGE 的新颖归纳推理，以及其在生成临床试验设计推荐中的应用。我们使用了来自 clinicaltrials.gov 的公开数据开展研究。结果表明，我们的推荐方法取得 70%–83% 的相关度得分（以与实际临床试验元素的文本相似度衡量），且最相关的推荐可位于列表顶端附近。我们的研究也提示了利用节点语义训练 KGE 的潜在改进空间。
引用
@article{arxiv.2309.15979,
title = {Clinical Trial Recommendations Using Semantics-Based Inductive Inference and Knowledge Graph Embeddings},
author = {Murthy V. Devarakonda and Smita Mohanty and Raja Rao Sunkishala and Nag Mallampalli and Xiong Liu},
journal= {arXiv preprint arXiv:2309.15979},
year = {2023}
}
备注
13 pages (w/o bibliography), 4 Figures, 6 Tables