KU AIGEN ICL EDI@BC8 Track 3：推进畸形学体检报告中的表型命名实体识别与归一化
人工智能
2025-01-17 v1
摘要
BioCreative8 Track 3 的目标是从电子健康记录（EHR）文本中提取表型关键医学发现，随后将这些发现归一化为其对应的人类表型本体（HPO）术语。然而，表型发现中存在多样的表面形式，使得将它们准确归一化为正确的 HPO 术语具有挑战性。为了应对这一挑战，我们探索了各种用于命名实体识别的模型，并实施了诸如同义词边缘化等数据增强技术以增强归一化步骤。我们的流水线实现了精确提取和归一化的 F1 分数，比针对该挑战收到的所有提交的平均分数高 2.6%。此外，在归一化 F1 分数方面，我们的方法比平均性能高出 1.9%。这些发现促进了自动化医学数据提取和归一化技术的发展，展示了在生物医学领域未来研究和应用的潜在路径。
引用
@article{arxiv.2501.09744,
title = {KU AIGEN ICL EDI@BC8 Track 3: Advancing Phenotype Named Entity Recognition and Normalization for Dysmorphology Physical Examination Reports},
author = {Hajung Kim and Chanhwi Kim and Jiwoong Sohn and Tim Beck and Marek Rei and Sunkyu Kim and T Ian Simpson and Joram M Posma and Antoine Lain and Mujeen Sung and Jaewoo Kang},
journal= {arXiv preprint arXiv:2501.09744},
year = {2025}
}
备注
This article is part of the Proceedings of the BioCreative VIII Challenge and Workshop: Curation and Evaluation in the era of Generative Models