利用自然语言处理与集成学习筛选药物性肝损伤文献
信息检索
2022-12-07 v1 机器学习
应用统计
摘要
药物性肝损伤（DILI）指药物损害肝脏的不良效应。严重 DILI 病例中亦有肝衰竭或死亡等危及生命的报道。因此，所有获批药物均须严格监测 DILI 相关事件，肝毒性亦成为新药候选物的重要评估指标。这些 DILI 相关报告记录于医院病历、临床试验结果以及包含初步体外与体内实验的研究论文中。传统上，从既往出版物中提取数据高度依赖耗费资源的手动标注，显著降低了信息抽取过程的效率。人工智能的近期发展，尤其是自然语言处理（NLP）技术的兴起，使生物医学文本的自动处理成为可能。本研究中，基于 Critical Assessment of Massive Data Analysis（CAMDA）挑战赛提供的约 28,000 篇论文（标题与摘要），我们对筛选 DILI 文献的模型性能进行了基准测试。在四种词向量化技术中，采用词频-逆文档频率（TF-IDF）与逻辑回归的模型以自有测试集上 0.957 的准确率优于其他模型。此外，我们实现了一个总体性能相近的集成模型，并对其进行微调以降低假阴性病例，从而避免遗漏潜在 DILI 报告。该集成模型在 CAMDA 委员会提供的留出验证数据上取得了 0.954 的高准确率和 0.955 的 F1 分数。此外，通过模型解释识别了正/负预测中的重要词汇。总体而言，该集成模型达到了令人满意的分类结果，可被研究人员进一步用于快速筛选 DILI 相关文献。
引用
@article{arxiv.2203.11015,
title = {Filter Drug-induced Liver Injury Literature with Natural Language Processing and Ensemble Learning},
author = {Xianghao Zhan and Fanjin Wang and Olivier Gevaert},
journal= {arXiv preprint arXiv:2203.11015},
year = {2022}
}
备注
8 pages, 4 figures