PMC-Patients: A Large-scale Dataset of Patient Summaries and Relations for Benchmarking Retrieval-based Clinical Decision Support Systems

要約

【タイトル】PMC-Patients: 臨床的判断支援システムの評価のための多様な患者要約と関連性の大規模データセット

【要約】
– 臨床的判断支援（ReCDS）は、特定の患者に関連する適切な文献データや類似患者情報を提供することで、臨床業務を支援できる。
– ただし、開発が妨げられている要因として、様々な患者コレクションや公開された大規模な患者レベル注釈データセットが不足しているということが挙げられる。
– 本論文では、PMC-Patientsと呼ばれる新しいデータセットを使用して、Patient-to-Article Retrieval（ReCDS-PAR）およびPatient-to-Patient Retrieval（ReCDS-PPR）の2つのReCDSタスクを定義・ベンチマークを行うことを目的とする。
– PMC-Patientsは、PubMed Central記事から単純なヒューリスティックを用いて患者要約を抽出し、PubMed引用グラフを利用して患者-記事の関連性と患者-患者の類似性を定義している。
– PMC-Patientsは、167,000件の患者要約、3,100,000件の患者-記事の関連性の注釈、293,000件の患者-患者の類似性の注釈を含み、ReCDS用の最大規模のリソースであり、また最大の患者コレクションの一つである。
– PMC-Patientsは多様なデータセットであり、高品質な注釈を持つというヒューマン・エバリュエーションと分析結果がある。
– PMC-Patientsの評価には、まだ改善の余地があり、従来の検索方式の研究を促すとともに、現実的な臨床的ユーティリティが示されている。

要約(オリジナル)

Objective: Retrieval-based Clinical Decision Support (ReCDS) can aid clinical workflow by providing relevant literature and similar patients for a given patient. However, the development of ReCDS systems has been severely obstructed by the lack of diverse patient collections and publicly available large-scale patient-level annotation datasets. In this paper, we aim to define and benchmark two ReCDS tasks: Patient-to-Article Retrieval (ReCDS-PAR) and Patient-to-Patient Retrieval (ReCDS-PPR) using a novel dataset called PMC-Patients. Methods: We extract patient summaries from PubMed Central articles using simple heuristics and utilize the PubMed citation graph to define patient-article relevance and patient-patient similarity. We also implement and evaluate several ReCDS systems on the PMC-Patients benchmarks, including sparse retrievers, dense retrievers, and nearest neighbor retrievers. We conduct several case studies to show the clinical utility of PMC-Patients. Results: PMC-Patients contains 167k patient summaries with 3.1M patient-article relevance annotations and 293k patient-patient similarity annotations, which is the largest-scale resource for ReCDS and also one of the largest patient collections. Human evaluation and analysis show that PMC-Patients is a diverse dataset with high-quality annotations. The evaluation of various ReCDS systems shows that the PMC-Patients benchmark is challenging and calls for further research. Conclusion: We present PMC-Patients, a large-scale, diverse, and publicly available patient summary dataset with the largest-scale patient-level relation annotations. Based on PMC-Patients, we formally define two benchmark tasks for ReCDS systems and evaluate various existing retrieval methods. PMC-Patients can largely facilitate methodology research on ReCDS systems and shows real-world clinical utility.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI