关于罕见疾病的文本数据的自动分类和可视化.
Luis Rei1,2, Joao Pita Costa3,4, Tanja Zdolšek Draksler1,3,5
1Jožef Stefan Institute (IJS), Jamova 39, 1000 Ljubljana, Slovenia.
Journal of personalized medicine
|May 25, 2024
概括
一个新的AI分类器可以将罕见疾病文章与一般医学新闻区分开来,在研究摘要上达到85%的准确性,在新闻上达到71%的准确性. 这个工具有助于罕见病研究和信息获取.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 罕见疾病 罕见疾病
背景情况:
- 超过7000种罕见疾病影响全球4亿人,给研究和医疗保健带来了重大挑战.
- 精准医学和人工智能 (AI) 为罕见疾病管理提供了潜在的解决方案.
- 准确的医疗信息分类对于推进研究和患者护理至关重要.
研究的目的:
- 开发和评估一个人工智能驱动的分类器,用于区分罕见和非罕见疾病研究和新闻文章.
- 提高医学文献的分类,使用已建立的本体学.
- 改善识别与罕见疾病相关的信息,包括神经发育障碍.
主要方法:
- 从Mondo和医学主题标题 (MeSH) 提取了709个罕见疾病术语,以构建一个强大的分类器.
- 评估了PubMed/MEDLINE摘要和专家注释的新闻数据集上的分类器.
- 在更广泛的数据集中,集中分析了四种罕见的神经发育障碍 (NDD).
主要成果:
- 在研究摘要的分类方面获得了85%的F1分数.
- 在分类新闻文章方面获得了71%的F1分数.
- 在各种数据集中展示了分类器的稳定性,突出了AI在疾病分类方面的潜力.
结论:
- 开发的AI分类器有效地区分罕见疾病内容,改善了医疗信息分类.
- 结果强调了对人工智能模型数据异质性处理的持续改进的需要.
- 该分类器支持罕见病研究,信息可访问性,政策制定和个性化医学的进步.
