Creating a Biomedical Causal Knowledge Graph via Semi-Supervised Learning
Dit artikel beoordeelt hoe semi-gesuperviseerde leeralgoritmen, zoals zelf-training en actieve leerprocessen, het tekort aan geannoteerde data aanpakken om de schaalbare constructie van causale biomedische kennisgrafen voor precisiegeneeskunde mogelijk te maken, terwijl de huidige uitdagingen en toekomstige richtingen met betrekking tot grote taalmodellen worden belicht.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
De wereld van de moderne geneeskunde genereert elke dag een verbluffende hoeveelheid informatie. Onderzoekers publiceren duizenden nieuwe artikelen waarin wordt beschreven hoe genen met elkaar interageren, hoe medicijnen het lichaam beïnvloeden en hoe ziekten zich ontwikkelen. Voor artsen en wetenschappers is de uitdaging niet langer het vinden van deze informatie, maar het begrijpen ervan. Ze moeten niet alleen weten dat twee dingen samen voorkomen, maar ook of het ene daadwerkelijk het andere veroorzaakt. Als een medicijn wordt gekoppeld aan een bijwerking, is het dan het medicijn dat het probleem heeft veroorzaakt, of was het slechts een toeval? Dit onderscheid is het verschil tussen een eenvoudige lijst van associaties en een kaart van oorzaak en gevolg. Om deze kennis te organiseren, gebruiken wetenschappers digitale structuren die kennisgrafen worden genoemd, die medische concepten verbinden als een uitgestrekt web. Het bouwen van een kaart die werkelijke oorzaken weergeeft is echter ongelooflijk moeilijk, omdat het menselijke experts vereist om elke enkele zin te lezen en te labelen, een taak die te traag en te duur is om de vloedgolf aan nieuw onderzoek bij te houden.
Een onderzoeker aan de Miami University of Science and Technology heeft een manier gevonden om dit proces te versnellen zonder in te leveren op nauwkeurigheid. In plaats van uitsluitend te vertrouwen op menselijke experts om elke tekst te labelen, ontwikkelde hij een methode die een computer leert om te leren van een kleine set door experts gelabelde voorbeelden en die kennis vervolgens toe te passen op een veel grotere collectie niet-gelabelde medische artikelen. Deze aanpak, bekend als semi-gestuurd leren (semi-supervised learning), stelt het systeem in staat om duizenden documenten te lezen die door geen mens ooit zijn gemarkeerd, waarbij patronen in de manier waarop wetenschappers oorzaak en gevolg beschrijven, worden geïdentificeerd. De onderzoeker richtte zich specifiek op infectieziekten door gebruik te maken van een techniek genaamd zelf-training (self-training), waarbij de computer zijn eigen gissingen maakt op ongelabelde tekst, de meest zelfverzekerde antwoorden selecteert en deze gebruikt om zichzelf te verbeteren.
De resultaten van dit experiment waren significant. Door een kleine hoeveelheid door mensen gelabelde data te combineren met een enorme hoeveelheid ongelabelde tekst, werd het systeem veel beter in het opsporen van causale relaties dan een systeem dat alleen getraind is op menselijke labels. Bij tests identificeerde de nieuwe methode de specifieke woorden die een oorzaak-gevolgrelatie signaleren ongeveer 83 procent van de tijd, een merkbare stijging ten opzichte van de 75 procent die werd bereikt door de oudere, volledig gesuperviseerde methode. De verbetering was nog dramatischer toen het systeem de volledige relatie moest identificeren, inclusief de oorzaak, het gevolg en de verbindende woorden, wat steeg van 68 naar 78 procent nauwkeurigheid. Dit suggereert dat de computer waardevolle patronen uit de ongelabelde tekst heeft geleerd die hij op zichzelf niet had kunnen ontdekken.
Om deze geëxtraheerde relaties om te zetten in een bruikbaar hulpmiddel, bouwde de onderzoeker een causale kennisgrafiek die bijna 13.000 verschillende medische entiteiten bevat, zoals specifieke ziekten, medicijnen en genen, die verbonden zijn door meer dan 34.000 causale links. Aan elke link in dit web werd een betrouwbaarheidsscore toegekend, die fungeert als een betrouwbaarheidsbeoordeling die gebruikers vertelt hoe zeker het systeem is over die verbinding. De resulterende kaart leek erg op de complexe netwerken die in de natuur worden gevonden, met een paar centrale knooppunten die met veel andere knooppunten verbonden zijn, wat reflecteert hoe bepaalde ziekten en medicijnen centraal staan in veel verschillende biologische paden. Wanneer de nieuwe methode werd vergeleken met een bestaande, door experts gecureerde database van medicijn-ziekte-relaties, herstelde het nieuwe systeem ongeveer 67 procent van de bekende verbindingen terwijl het een hoog niveau van precisie behield. Belangrijker nog, het vond nieuwe verbindingen die niet in de referentiedatabase stonden, en een handmatige controle bevestigde dat ongeveer 60 procent van deze nieuwe bevindingen geldige causale relaties waren.
De echte test van dit werk kwam toen de onderzoeker de nieuwe grafiek gebruikte om bijwerkingen van medicijnen te voorspellen, een cruciale taak voor de patiëntveiligheid. Het systeem was in staat om schadelijke bijwerkingen te identificeren met een nauwkeurigheid die de methoden overtrof die alleen kijken naar eenvoudige associaties tussen medicijnen en ziekten. Door zich te concentreren op de verbindingen waarover het systeem het meest zelfverzekerd was, verbeterde de voorspellingsnauwkeurigheid zelfs nog verder. Dit demonstreert dat de extra inspanning om onderscheid te maken tussen echte oorzaken en louter correlaties de moeite waard is, en een hulpmiddel biedt dat kan helpen bij het monitoren van de medicijnveiligheid en het ondersteunen van klinische beslissingen. De studie concludeert dat hoewel de huidige grafiek beperkt is tot de specifieke artikelen waarop hij is getraind, de methode zelf een krachtige oplossing is voor de flessenhals van het labelen van data. Het laat zien dat door computers te laten leren van de enorme oceaan aan ongelabelde medische literatuur, we completere en betrouwbaardere kaarten kunnen bouwen van hoe het menselijk lichaam werkt, wat uiteindelijk helpt om patiënten veiliger te houden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.