面向联合药物治疗的端到端 $n$ 元关系抽取

联合药物治疗是涉及两种或更多药物的治疗方案，更常用于癌症、HIV、疟疾或结核病患者。目前 PubMed 中有超过 35 万篇文献使用“combination drug therapy”MeSH 主题词，且在过去二十年中每年至少发表 1 万篇。从科学文献中抽取联合疗法本质上构成一个 $n$ 元关系抽取问题。不同于 $n$ 固定的通用 $n$ 元设定（例如药物-基因-突变关系，其中 $n=3$），抽取联合疗法是一种特殊设定，其中 $n \geq 2$ 是动态的，取决于每个实例。最近，Tiktinsky 等人（NAACL 2022）引入了首个此类数据集 CombDrugExt，用于从文献中抽取此类疗法。在此，我们使用序列到序列风格的端到端抽取方法，在 CombDrugExt 测试集上对阳性（或有效）组合取得了 $66.7\%$ 的 F1 分数。这比先前具有已识别药物实体（因而不是端到端）的最佳关系分类分数绝对提升了约 $5\%$ 的 F1 分数。因此，我们的工作引入了首个最先进的端到端抽取模型，其已优于此前最佳的非端到端模型。我们的模型在单次传递中无缝抽取所有药物实体与关系，且高度适用于动态 $n$ 元抽取场景。