Adapting Abstract Meaning Representation Parsing to the Clinical Narrative — the SPRING THYME parser

要約

この論文は、臨床ノート用に調整された最初の AMR パーサーの設計と評価に特化しています。
私たちの目的は、臨床ノートを構造化された AMR 表現に正確に変換することを容易にし、それによって臨床テキスト データの解釈可能性と使いやすさを大規模に向上させることでした。
THYME (Temporal Histories of Your Medical Events) コーパスの結腸がんデータセットを活用し、継続的なトレーニングを利用した最先端の AMR パーサーを採用しました。
私たちのアプローチには、AMR 構造予測の精度を高めるデータ拡張技術が組み込まれています。
特に、この学習戦略を通じて、パーサーは THYME コーパスの結腸がんデータセットで 88% という素晴らしい F1 スコアを達成しました。
さらに、私たちの研究では、臨床ノートの領域内でのドメイン適応に必要なデータの有効性を掘り下げ、AMR 解析のためのドメイン適応データ要件を提示しました。
この調査は、パーサーの堅牢なパフォーマンスを強調するだけでなく、構造化された意味論的表現を通じて臨床ナラティブのより深い理解を促進するその可能性も強調します。

要約(オリジナル)

This paper is dedicated to the design and evaluation of the first AMR parser tailored for clinical notes. Our objective was to facilitate the precise transformation of the clinical notes into structured AMR expressions, thereby enhancing the interpretability and usability of clinical text data at scale. Leveraging the colon cancer dataset from the Temporal Histories of Your Medical Events (THYME) corpus, we adapted a state-of-the-art AMR parser utilizing continuous training. Our approach incorporates data augmentation techniques to enhance the accuracy of AMR structure predictions. Notably, through this learning strategy, our parser achieved an impressive F1 score of 88% on the THYME corpus’s colon cancer dataset. Moreover, our research delved into the efficacy of data required for domain adaptation within the realm of clinical notes, presenting domain adaptation data requirements for AMR parsing. This exploration not only underscores the parser’s robust performance but also highlights its potential in facilitating a deeper understanding of clinical narratives through structured semantic representations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google