利用大型预训练语言模型辅助FDA进行医疗器械上市前审查
计算与语言
2022-12-05 v1 人工智能
摘要
本文提出了一种可能利用自然语言处理来辅助FDA医疗器械上市流程的方法。研究提取实际器械描述，并与FDA联邦法规汇编(CFR)第21编中的器械描述进行匹配，以确定其对应的器械类型。本文评估了FastText等预训练词嵌入以及sentence transformers等大型预训练句子嵌入模型在刻画器械描述方面的准确性。还进行了一项实验，以测试这些模型能否识别FDA数据库中错误分类的器械。结果表明，相较于必须手动搜索的2585种器械描述，采用T5和MPNet的sentence transformer以及GPT-3语义搜索嵌入在将正确标签缩小至前15个最可能结果范围内以识别正确分类方面表现出高准确性。另一方面，所有方法在识别完全错误标注的器械方面均表现出高准确性，但均未能识别出错误但与真实标签密切相关的错误器械分类。
引用
@article{arxiv.2212.01217,
title = {Using Large Pre-Trained Language Model to Assist FDA in Premarket Medical Device},
author = {Zongzhe Xu},
journal= {arXiv preprint arXiv:2212.01217},
year = {2022}
}
备注
IEEE Southeast Conference 2023