薬理学における視覚情報抽出のためのマルチモーダルAIの評価

科学分野:

• 薬理学
• 計算生物学
• データサイエンス

背景:

• ハーブ系栄養補助食品（天然製品）の使用増加は、処方薬との相互作用に関する懸念を引き起こしています。
• 天然製品の薬物警戒には、多様な証拠の専門家による解釈が必要です。
• 天然製品知識グラフ（NP-KG）は、以前に安全性調査に役立つことが示されました。

研究 の 目的:

• 薬理学文献の視覚要素からのコンピュータ支援によるデータ抽出のためのマルチモーダルモデルを評価すること。
• 数千の天然製品にNP-KGをスケーリングするという課題に対処すること。
• 天然製品の安全性調査の効率を改善すること。

主な方法:

• 8つのオープンソースおよびクローズドソースのマルチモーダルモデルを評価しました。
• 薬理学文献の選択された表および画像から視覚情報を抽出しました。
• 変更された相対誤差率を使用してモデルの精度と耐性を評価しました。

主要な成果:

• 最良のパフォーマンスを発揮したモデルは、表データの抽出で90%の精度を達成しました。
• 最良のモデルは、図から45%のデータを抽出しました。
• 低い画像解像度と高い情報密度が抽出パフォーマンスを妨げました。

結論:

• マルチモーダルモデルは、視覚的な薬理学データからのコンピュータ支援によるデータ抽出の可能性を示しています。
• 画質と複雑性に関連する限界を克服するには、さらなる開発が必要です。
• 正確な抽出は、天然製品の安全性監視のための知識グラフのスケーリングに不可欠です。