Identificación de relaciones IS-A faltantes en SNOMED CT con modelos de lenguaje preentrenados afinados y subgrafos...

Área de la Ciencia:

• Informática Médica
• Lingüística Computacional
• Representación del Conocimiento

Sus antecedentes:

• La integridad de las relaciones IS-A en SNOMED CT es vital para la precisión clínica.
• Los métodos existentes pueden no capturar completamente todas las relaciones jerárquicas.

Objetivo del estudio:

• Desarrollar y evaluar un enfoque híbrido utilizando modelos de lenguaje preentrenados (PLM) para identificar relaciones IS-A faltantes en SNOMED CT.
• Evaluar el rendimiento de varios PLM afinados en esta tarea.

Principales métodos:

• Se empleó un enfoque híbrido que combina subgrafos no reticulares y PLM.
• Se afinaron ocho PLM (BERT, DistillBERT, DeBERTa, BioClinicalBERT, BioMistral, Llama3, Gemma2, Phi-4).
• Se utilizaron predicciones de consenso de todos los modelos para identificar relaciones IS-A faltantes.

Principales resultados:

• DeBERTa demostró un rendimiento superior con una precisión del 0,96, una exhaustividad del 0,97 y una puntuación F1 del 0,965.
• El enfoque identificó 678 relaciones IS-A faltantes potenciales en SNOMED CT (Edición de EE. UU. de marzo de 2023).
• La revisión manual de 100 casos seleccionados confirmó 93 como válidos (precisión del 93%).

Conclusiones:

• Los PLM afinados son eficaces para detectar relaciones IS-A faltantes dentro de subgrafos no reticulares.
• Este método ofrece una estrategia prometedora para mejorar la calidad y la integridad de SNOMED CT.
• Los hallazgos respaldan el uso de enfoques impulsados por IA para el mantenimiento de la terminología clínica.