通过多文档摘要预测临床试验中的干预措施有效性
计算与语言
2022-04-04 v1 机器学习
摘要
临床试验为发现新疗法和推进医学知识提供了根本性的机会。然而，试验结局的不确定性可能导致不可预见的成本与挫折。在本研究中，我们提出一种预测临床试验中干预措施有效性的新方法。我们的方法依赖于从文献中有关所研究干预措施的多篇文档生成信息丰富的摘要。具体而言，我们的方法首先收集与干预措施相关的所有 PubMed 文章摘要。然后，从每篇摘要中自动提取传达干预措施有效性信息的证据句。基于从摘要中提取的证据句集合，构建关于干预措施的简短摘要。最后，利用生成的摘要训练一个基于 BERT 的分类器，以推断干预措施的有效性。为评估我们提出的方法，我们引入了一个新数据集，该数据集由临床试验及其关联的 PubMed 文章组成。我们的实验证明了生成简短信息摘要并用其预测干预措施有效性的有效性。
引用
@article{arxiv.2204.00290,
title = {Predicting Intervention Approval in Clinical Trials through Multi-Document Summarization},
author = {Georgios Katsimpras and Georgios Paliouras},
journal= {arXiv preprint arXiv:2204.00290},
year = {2022}
}
备注
accepted to ACL 2022 (main conference)