从大语言模型到知识图谱：用于癌症生物标志物发现
计算与语言
2023-11-21 v2
摘要
领域专家常依赖最新知识来理解并传播特定生物过程，以助其在各类疾病情境中制定预防策略与治疗决策。人工智能（AI）的一项挑战性情境是利用生物医学数据（如文本、影像、组学与临床）为癌症状况提供诊断与治疗建议。有关癌症、药物、基因、蛋白质等生物医学实体及其机制的资料与知识散布于结构化（知识库（KBs））与非结构化（如科学文献）来源中。通过整合与抽取语义互相关联的实体与关系事实，可构建大规模知识图谱（KG）。此类 KG 不仅支持探索与问答（QA），亦使领域专家能推导新知识。然而，因缺乏对数据资产与语义技术的理解，非领域用户探索与查询大规模 KG 颇为繁琐。本文开发一领域 KG 以助力癌症特异性生物标志物发现与交互式 QA。为此，我们构建称为 OncoNet 本体（ONO）的领域本体，其支持用于验证基因-疾病（各类癌症）关系的语义推理。该 KG 进一步通过调和 ONO、元数据、受控词表及来自科学文献的生物医学概念而丰富，所用信息抽取器基于 BioBERT 与 SciBERT。此外，因生物医学领域不断演进，新发现常取代旧结论，若无法获取最新科学发现，AI 系统在提供诊断与治疗时极可能出现概念漂移。因此，我们基于较新文献与 KBs，利用大语言模型（LLMs）对 KG 进行微调。
引用
@article{arxiv.2310.08365,
title = {From Large Language Models to Knowledge Graphs for Biomarker Discovery in Cancer},
author = {Md. Rezaul Karim and Lina Molinas Comet and Md Shajalal and Oya Deniz Beyan and Dietrich Rebholz-Schuhmann and Stefan Decker},
journal= {arXiv preprint arXiv:2310.08365},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2302.04737