从医学文献中自动选择特征
Alberto Purpura1, Tobia Boschi1, Francesca Bonin1
1IBM Research Europe - Dublin.
Studies in health technology and informatics
|January 25, 2024
概括
本研究引入了一种自动化方法,用于从科学文献中识别关键健康变量. 它提高了数据收集效率,加快了发现新的健康概念关系的速度.
科学领域:
- 生物医学信息学 生物医学信息学
- 计算生物学 计算生物学
- 健康 数据科学 数据科学
背景情况:
- 从科学文献中确定突出变量对于理解临床现象至关重要.
- 目前收集与健康有关的措施和发现关联的方法可能是低效和耗时的.
研究的目的:
- 开发一种自动化方法来对与特定临床现象相关的最突出的变量进行排名.
- 提高从人口中收集各种与健康有关的措施的效率.
- 加速发现与健康相关的概念之间新的关联和依赖关系.
主要方法:
- 利用自然语言处理 (NLP) 和机器学习算法来分析科学文献.
- 开发一个排名系统,以根据其与临床现象的相关性来识别和优先考虑关键变量.
- 实施与健康相关措施的自动数据提取技术.
主要成果:
- 展示了一种自动化方法,有效地从科学文献中对突出变量进行排名.
- 在收集与健康有关的措施方面表现出更高的效率.
- 加快了健康概念之间新兴关联的识别.
结论:
- 拟议的自动化方法显著增强了健康研究中的变量识别和数据收集过程.
- 这种方法有可能加速生物医学发现,并提高我们对复杂健康现象的理解.


