Temporal Relation Prediction from Electronic Health Records Using Graph Neural Networks and Transformers Embeddings

Temporal Relation Prediction from Electronic Health Records Using Graph Neural Networks and Transformers Embeddings

1. 本研究の学術的背景、研究課題の核心をなす学術的「問い」は何ですか？
自然言語処理タスクの多くにおいて、また特にクリニカルテキストマイニングにおいて、時間関係の抽出は重要な因子です。本研究の学術的問題は、事象・エンティティ・時間表現間の時間的リンク予測のために、Transformerとグラフニューラルネットワークを使用したパイプラインを提案し、BERT埋め込みを用いてi2b2コーパスからBEFOREおよびOVERLAPリンクの予測を分析しました。

2. 本研究の目的及び学術的独自性と創造性は何ですか？
本研究の目的は、TransformersとGraph Neural Networksを使用して時間関係を抽出し、医療テキストマイニングにおける時間関係の抽出タスクを改善することです。本研究の独自性は、BERT埋め込みを使用してi2b2コーパスからBEFOREおよびOVERLAPリンクの予測を分析することで、高精度な時間関係抽出を可能にするパイプラインを提案した点にあります。

3. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは何ですか？
以前の研究では、言語ルール、機械学習分類器、ニューラルネットワークを主に使用して、時間的関係の抽出が行われてきました。本研究では、BERT埋め込みを使用したi2b2コーパスからのBEFOREおよびOVERLAPリンクの予測を分析し、高精度な時間関係抽出を可能にするパイプラインを提案しました。

4. 本研究で何をどのように、どこまで明らかにした？
本研究では、TransformersとGraph Neural Networksを使用したパイプラインを提案し、BERT埋め込みを使用したi2b2コーパスからのBEFOREおよびOVERLAPリンクの予測を分析しました。分析結果により、提案されたパイプラインは、高い精度で時間関係の抽出が可能であることが示されました。

5. 本研究の有効性はどのように検証した？
本研究は、i2b2コーパスを用いて、BEFOREおよびOVERLAPリンクの予測が可能なパイプラインを提案しました。分析結果により、提案されたパイプラインは高い精度で時間関係の抽出が可能なことが示されました。