KEDRec-LM: A Knowledge-distilled Explainable Drug Recommendation Large Language Model

要約

創薬は生物医学の自然言語処理（NLP）における重要な作業ですが、説明可能な創薬の発見は未定です。
一方、大規模な言語モデル（LLM）は、自然言語の理解と生成において顕著な能力を示しています。
説明可能な創薬のためにLLMを活用することは、下流のタスクと現実世界のアプリケーションを改善する可能性があります。
この研究では、オープンソースの薬物知識グラフ、臨床試験データ、およびPubMed Publicationsを利用して、説明可能な創薬タスクの包括的なデータセットを構築します。
さらに、薬物推奨と根拠の生成のために豊富な医学知識コーパスから知識を蒸留する命令チューニングLLMである\ textBf {kedrec-lm}を紹介します。
この分野でのさらなる調査を奨励するために、データセットとKedrec-LMの両方の両方を公開\ footnote {この提出物に添付されています}を公開します。

要約(オリジナル)

Drug discovery is a critical task in biomedical natural language processing (NLP), yet explainable drug discovery remains underexplored. Meanwhile, large language models (LLMs) have shown remarkable abilities in natural language understanding and generation. Leveraging LLMs for explainable drug discovery has the potential to improve downstream tasks and real-world applications. In this study, we utilize open-source drug knowledge graphs, clinical trial data, and PubMed publications to construct a comprehensive dataset for the explainable drug discovery task, named \textbf{expRxRec}. Furthermore, we introduce \textbf{KEDRec-LM}, an instruction-tuned LLM which distills knowledge from rich medical knowledge corpus for drug recommendation and rationale generation. To encourage further research in this area, we will publicly release\footnote{A copy is attached with this submission} both the dataset and KEDRec-LM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google