SynCABEL：用于生物医学实体链接的合成情境化增强

我们提出了SynCABEL（用于生物医学实体链接的合成情境化增强），这是一个解决监督式生物医学实体链接(BEL)中核心瓶颈的框架：专家标注训练数据的稀缺性。SynCABEL利用大型语言模型为目标知识库中所有候选概念生成上下文丰富的合成训练示例，无需手动标注即可提供广泛的监督。我们证明，SynCABEL与仅解码器模型及引导推理相结合，在三个广泛使用的多语言基准测试中建立了新的最先进结果：英文的MedMentions、法文的QUAERO和西班牙文的SPACCC。在评估数据效率时，我们表明SynCABEL使用最多减少60%的标注数据即可达到完全人工监督的性能，显著减少了对劳动密集型和成本高昂的专家标注的依赖。最后，我们认识到基于精确代码匹配的标准评估常因本体冗余而低估临床有效的预测，因此引入了一种LLM作为评判者的协议。该分析揭示，SynCABEL显著提高了临床有效预测的比率。我们发布了合成数据集、模型和代码，以支持可重复性和未来研究。