Armonización de metadatos de conjuntos de datos biológicos con modelos de lenguaje

Área de la Ciencia:

• Informática Biomédica
• Ciencia de Datos
• Procesamiento del Lenguaje Natural

Sus antecedentes:

• La integración de datos biomédicos es un desafío debido a metadatos inconsistentes y terminología específica del investigador.
• Los métodos actuales de armonización de metadatos son a menudo laboriosos o interrumpen los flujos de trabajo existentes.
• La estandarización manual consume más del 40% del tiempo de curación de datos, lo que dificulta el progreso de la investigación.

Objetivo del estudio:

• Desarrollar y evaluar una solución basada en modelos de lenguaje para la armonización automatizada de metadatos biomédicos.
• Mejorar la precisión y la eficiencia de la asignación de términos específicos del investigador a un vocabulario estandarizado.
• Reducir el esfuerzo manual requerido para la curación de datos y acelerar la integración de datos posteriores.

Principales métodos:

• Ajuste fino de modelos de lenguaje GPT-2 con aumento de datos realista para generar representaciones de términos variadas.
• Desarrollo de modelos específicos del dominio para datos de cáncer, investigación sobre alcohol e enfermedades infecciosas.
• Evaluación del rendimiento del modelo utilizando métricas de precisión dentro y fuera del diccionario.

Principales resultados:

• Se logró una precisión del 96% dentro del diccionario, lo que redujo el esfuerzo manual en más del 90% para los términos conocidos.
• Se demostró una precisión del 17% fuera del diccionario para términos estándar novedosos, superando los métodos existentes.
• Los modelos específicos del dominio mostraron un rendimiento superior en terminología especializada en comparación con modelos generales más grandes.

Conclusiones:

• El enfoque de modelo de lenguaje propuesto ofrece una solución escalable y de baja carga para la armonización de metadatos biomédicos.
• La armonización automatizada acelera significativamente la integración de datos al minimizar la curación manual.
• El método permite una estandarización eficaz incluso en dominios que carecen de conjuntos completos de sinónimos.