Research on the Proximity Relationships of Psychosomatic Disease Knowledge Graph Modules Extracted by Large Language Models

要約

社会の変化が加速するにつれ、心身症の発生率は大幅に増加しており、世界的な健康問題の大きな課題となっています。
これには、診断と治療を支援する革新的な知識システムと分析方法が必要です。
ここでは、BERT モデルと名前付きエンティティ認識用の LoRA 調整 LLM を使用して、オントロジー モデルとエンティティ タイプを確立し、9668 トリプルでナレッジ グラフを構築します。
次に、疾患、症状、薬物モジュール間のネットワーク距離を分析することにより、疾患間のネットワーク距離が近いほど、臨床症状、治療アプローチ、心理メカニズムの類似性がより高いと予測でき、症状間の距離が近いほど、それらが類似していることを示すことが判明しました。
併発する可能性が高くなります。
最後に、近接 d スコアと近接 z スコアを比較することにより、一次診断関係における症状と疾患のペアは、診断関係におけるものよりも強い関連性があり、参照価値が高いことが示されました。
研究結果は、疾患間の潜在的な関連性、併発症状、治療戦略の類似性を明らかにし、心身症の診断と治療に対する新たな視点と、将来のメンタルヘルスの研究と実践に貴重な情報を提供した。

要約(オリジナル)

As social changes accelerate, the incidence of psychosomatic disorders has significantly increased, becoming a major challenge in global health issues. This necessitates an innovative knowledge system and analytical methods to aid in diagnosis and treatment. Here, we establish the ontology model and entity types, using the BERT model and LoRA-tuned LLM for named entity recognition, constructing the knowledge graph with 9668 triples. Next, by analyzing the network distances between disease, symptom, and drug modules, it was found that closer network distances among diseases can predict greater similarities in their clinical manifestations, treatment approaches, and psychological mechanisms, and closer distances between symptoms indicate that they are more likely to co-occur. Lastly, by comparing the proximity d and proximity z score, it was shown that symptom-disease pairs in primary diagnostic relationships have a stronger association and are of higher referential value than those in diagnostic relationships. The research results revealed the potential connections between diseases, co-occurring symptoms, and similarities in treatment strategies, providing new perspectives for the diagnosis and treatment of psychosomatic disorders and valuable information for future mental health research and practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google