斑马地图:一种多模式的罕见疾病知识地图,具有自动化数据聚合和LLM丰富的信息提取管道

科学领域:

• 医疗信息学 医疗信息学
• 基因组学和罕见疾病
• 计算生物学 计算生物学

背景情况:

• 对罕见疾病的临床知识是分散在各种来源,阻碍了诊断.
• 现有的数据格式往往是非结构化和异质的,使信息检索复杂化.
• 延迟诊断是罕见疾病患者的常见挑战.

研究的目的:

• 介绍ZebraMap,一个用于整合罕见疾病信息的多式联络知识地图.
• 将叙事案例证据转换为罕见疾病的结构化,机器可读数据.
• 通过可访问,可计算的知识,加强罕见病研究.

主要方法:

• 利用Orphanet识别罕见疾病 (1727种疾病) 并链接到PubMed病例报告.
• 开发了一个自动化的大型语言模型 (LLM) 管道,以解析自由文本案例报告到标准化领域.
• 实施了检索增强生成 (RAG) 组件,以通过同行评审的研究丰富疾病级别描述.

主要成果:

• 创建了一个数据集,包含69,146个结构化的患者级案例文本和98,038个临床图像.
• 在策划和生成文本之间实现了94.5%的等号相似性,这表明数据质量很高.
• 在信息提取和结构化数据生成方面表现满意.

结论:

• 斑马地图 (ZebraMap) 是对罕见疾病的最大的公开可访问的多式联络资源.
• 该平台将叙事证据转化为可计算的知识,使数据驱动的研究成为可能.
• 通过综合信息,促进对罕见疾病的更好理解和诊断.