通过使用先进的基于自然语言处理的提取系统,自动化对免疫接种的系统性审查

科学领域:

• 公共卫生 公共卫生
• 生物医学信息学 生物医学信息学
• 人工智能的人工智能

背景情况:

• 系统审查对于基于证据的决策至关重要,但资源密集且缓慢.
• 越来越多的非结构化证据挑战了传统的系统审查方法.
• 需要自动化证据合成以提高效率和可扩展性.

研究的目的:

• 开发和评估一种基于机器学习的新型系统,用于自动化证据合成的各个阶段.
• 利用自然语言处理 (NLP) 的进步,有效地从科学出版物中提取PICO数据.
• 解决对公共卫生研究进行系统审查的可扩展性问题.

主要方法:

• 开发了一个机器学习系统,利用先进的NLP模型,如BioBERT.
• 使用专门的免疫文档数据库优化了NLP模型.
• 该系统从文本中识别并提取PICO (人口,干预,控制,结果) 字段.

主要成果:

• 优化的NLP模型在PICO字段提取的五个文本类中实现了88%的平均准确性.
• 该系统在证据综合的效率上显著提高.
• 可通过用户友好的Web界面访问功能.

结论:

• 开发的机器学习系统为公共卫生系统性审查的自动化提供了一个有前途的解决方案.
• NLP的进步可以有效地提取关键的PICO数据,提高证据合成的速度和可扩展性.
• 这种方法可以帮助管理越来越多的科学文献,以改善公共卫生决策.