۱. معرفی مقاله و اهمیت آن

در دنیای امروز که حجم اطلاعات علمی و پزشکی با سرعتی بی‌سابقه در حال رشد است، نیاز به ساماندهی و یکپارچه‌سازی این اطلاعات بیش از پیش احساس می‌شود. مقاله “ارزیابی مدل‌های BERT زیست‌پزشکی برای هم‌ترازی واژگان در مقیاس بزرگ در متا-فرهنگ UMLS” به قلم گون‌میت بجاج و همکارانش، به یکی از چالش‌های اساسی در این زمینه می‌پردازد: هم‌ترازی و تشخیص مترادف بودن اصطلاحات در سیستم زبان پزشکی یکپارچه (UMLS).

متا-فرهنگ UMLS یک منبع دانش حیاتی است که بیش از ۲۰۰ واژه‌نامه تخصصی زیست‌پزشکی را یکپارچه می‌کند. با این حال، فرایند فعلی ساخت این متا-فرهنگ برای تشخیص مترادف بودن اصطلاحات، فرایندی پرهزینه، زمان‌بر و مستعد خطا است، زیرا به شدت به الگوریتم‌های واژگانی سنتی و داوری دستی توسط ویراستاران انسانی متکی است. این وابستگی، مقیاس‌پذیری و دقت فرایند را در مواجهه با حجم فزاینده داده‌ها محدود می‌کند.

در سال‌های اخیر، پیشرفت‌های چشمگیری در پردازش زبان طبیعی (NLP)، به‌ویژه با ظهور مدل‌های ترانسفورمر مانند BERT (Bidirectional Encoder Representations from Transformers) و گونه‌های زیست‌پزشکی آن، حاصل شده است. این مدل‌ها با استفاده از تعبیه‌های (embeddings) کلمه با قابلیت درک زمینه، در بسیاری از وظایف پایین‌دستی به عملکردی بی‌نظیر (State-of-the-Art – SOTA) دست یافته‌اند. سؤال اصلی این مقاله آن است که آیا این رویکردهای مبتنی بر BERT می‌توانند عملکردی بهتر از روش‌های موجود برای پیش‌بینی مترادف بودن در متا-فرهنگ UMLS ارائه دهند یا خیر؟

اهمیت این تحقیق در پتانسیل آن برای دگرگون کردن نحوه ساخت و به‌روزآوری UMLS نهفته است. تشخیص دقیق و خودکار مترادف‌ها، برای قابلیت همکاری معنایی (Semantic Interoperability) بین سیستم‌های مختلف اطلاعاتی، جستجوی مؤثرتر اطلاعات، پشتیبانی از تصمیم‌گیری بالینی، و یکپارچه‌سازی داده‌های تحقیقاتی ضروری است. اگر مدل‌های BERT بتوانند این فرایند را بهبود بخشند، تأثیرات عظیمی بر کارایی و دقت مدیریت دانش در حوزه زیست‌پزشکی خواهند داشت.

۲. نویسندگان و زمینه تحقیق

این مقاله توسط تیمی از محققان برجسته شامل Goonmeet Bajaj, Vinh Nguyen, Thilini Wijesiriwardene, Hong Yung Yip, Vishesh Javangula, Srinivasan Parthasarathy, Amit Sheth و Olivier Bodenreider به رشته تحریر درآمده است. این تیم متشکل از متخصصانی در زمینه‌های محاسبات و زبان (Computation and Language)، پردازش زبان طبیعی، هوش مصنوعی و انفورماتیک زیست‌پزشکی است که نشان‌دهنده ماهیت بین‌رشته‌ای این تحقیق می‌باشد.

زمینه تحقیق این مقاله بر تقاطع پردازش زبان طبیعی (NLP) و انفورماتیک زیست‌پزشکی تمرکز دارد. UMLS به عنوان ستون فقرات بسیاری از سیستم‌های اطلاعات سلامت و تحقیقات پزشکی عمل می‌کند و هدف آن، غلبه بر چالش‌های ناشی از تنوع واژگان مورد استفاده در پزشکی است. از سوی دیگر، ظهور مدل‌های پیشرفته NLP مانند BERT، چشم‌انداز جدیدی برای حل مسائل پیچیده زبانی، از جمله تشخیص روابط معنایی مانند مترادف بودن، گشوده است.

این پژوهش در بستر تلاش‌های گسترده‌تر برای خودکارسازی و افزایش دقت در ساخت و نگهداری واژه‌نامه‌های بزرگ دامنه (Large-Domain Ontologies) قرار می‌گیرد. با توجه به سرعت تولید دانش در علوم زیستی و پزشکی، روش‌های دستی برای یکپارچه‌سازی واژگان ناکارآمد شده‌اند. از این رو، بررسی پتانسیل مدل‌های هوش مصنوعی پیشرفته برای مواجهه با این چالش، نه تنها از نظر تئوری بلکه از جنبه کاربردی نیز از اهمیت بالایی برخوردار است.

۳. چکیده و خلاصه محتوا

مقاله به ارزیابی توانایی مدل‌های BERT زیست‌پزشکی در بهبود فرایند هم‌ترازی واژگان (Vocabulary Alignment) در متا-فرهنگ UMLS می‌پردازد. همانطور که اشاره شد، فرایند کنونی ساخت UMLS که شامل یکپارچه‌سازی بیش از ۲۰۰ واژه‌نامه منبع زیست‌پزشکی است، گران‌قیمت و مستعد خطا می‌باشد، زیرا برای تشخیص مترادف بودن دو اصطلاح زیست‌پزشکی، به الگوریتم‌های واژگانی و ویراستاران انسانی متکی است.

نویسندگان مقاله، با توجه به پیشرفت‌های اخیر در NLP و عملکرد برجسته مدل‌های ترانسفورمر مانند BERT، این فرضیه را مطرح می‌کنند که مدل‌های BERT زیست‌پزشکی با تعبیه‌های متنی خود می‌توانند عملکرد بهتری در پیش‌بینی مترادف بودن در UMLS داشته باشند. برای آزمایش این فرضیه، دو رویکرد اصلی را دنبال می‌کنند:

• جایگزینی تعبیه‌ها در شبکه‌های سیامی موجود: در معماری‌های شبکه‌های سیامی (Siamese Networks) که قبلاً با شبکه‌های عصبی حافظه بلند کوتاه (LSTM) و تعبیه‌های BioWordVec استفاده می‌شدند، تعبیه‌های BioWordVec با تعبیه‌های BERT زیست‌پزشکی جایگزین شدند. این تعبیه‌های BERT با استفاده از روش‌های مختلف استخراج از هر مدل BERT زیست‌پزشکی (مانند BioBERT و SapBERT) به دست آمدند.

• ارزیابی مستقیم در معماری ترانسفورمر: مدل‌های مختلف BERT زیست‌پزشکی که با استفاده از مجموعه داده‌ها و وظایف مختلف پیش‌آموزش دیده بودند، مستقیماً در یک معماری مبتنی بر ترانسفورمر ارزیابی شدند.

با توجه به عملکرد برجسته مدل‌های BERT در سایر وظایف پایین‌دستی NLP، نتایج آزمایش‌های این مقاله به طرز شگفت‌انگیزی جالب توجه بودند و خلاف انتظار اولیه عمل کردند:

1. در هر دو معماری مدل، رویکردهای مبتنی بر BERT زیست‌پزشکی، عملکرد بهتری نسبت به روش‌های موجود با استفاده از شبکه سیامی و تعبیه‌های BioWordVec برای وظیفه پیش‌بینی مترادف بودن UMLS نداشتند.

2. مدل BioBERT بزرگ اصلی که با UMLS پیش‌آموزش ندیده بود، عملکرد بهتری نسبت به مدل‌های SapBERT که با UMLS پیش‌آموزش دیده بودند، از خود نشان داد.

3. استفاده از شبکه‌های سیامی (Siamese Networks) در مقایسه با استفاده مستقیم از مدل‌های BERT زیست‌پزشکی، عملکرد بهتری برای پیش‌بینی مترادف بودن به ارمغان آورد.

این یافته‌ها سؤالات مهمی را درباره کاربرد مستقیم مدل‌های زبانی بزرگ عمومی در وظایف بسیار تخصصی مانند هم‌ترازی واژگان زیست‌پزشکی مطرح می‌کنند.

۴. روش‌شناسی تحقیق

برای ارزیابی دقیق مدل‌های BERT زیست‌پزشکی، محققان یک روش‌شناسی جامع را اتخاذ کردند که شامل مقایسه با رویکردهای موجود و همچنین ارزیابی در معماری‌های مختلف بود. در ادامه به تفصیل به این روش‌ها می‌پردازیم:

۴.۱. مدل پایه (Baseline Model)

به عنوان نقطه مرجع، از یک شبکه سیامی (Siamese Network) استفاده شد که در کارهای قبلی برای پیش‌بینی مترادف بودن در UMLS عملکرد خوبی از خود نشان داده بود. این شبکه سیامی شامل شبکه‌های عصبی حافظه بلند کوتاه (LSTM) بود که با تعبیه‌های BioWordVec تغذیه می‌شدند. تعبیه‌های BioWordVec، تعبیه‌های کلمه (word embeddings) مخصوص دامنه زیست‌پزشکی هستند که با استفاده از حجم زیادی از متون زیست‌پزشکی آموزش دیده‌اند و توانایی خوبی در ثبت روابط معنایی کلمات در این حوزه دارند.

۴.۲. رویکردهای مبتنی بر BERT

محققان دو دسته اصلی از رویکردهای مبتنی بر BERT را آزمایش کردند:

1. جایگزینی تعبیه‌ها در شبکه‌های سیامی: در این سناریو، ساختار کلی شبکه سیامی با LSTM حفظ شد، اما تعبیه‌های BioWordVec با تعبیه‌های استخراج شده از مدل‌های BERT زیست‌پزشکی جایگزین شدند. این کار به منظور بررسی این موضوع انجام شد که آیا کیفیت بالاتر تعبیه‌های متنی BERT می‌تواند به تنهایی عملکرد را بهبود بخشد، حتی اگر معماری کلی مدل ثابت بماند. روش‌های مختلفی برای استخراج تعبیه‌ها از BERT استفاده شد، از جمله:

   • استفاده از آخرین لایه مخفی (Last Hidden Layer): تعبیه‌های تولید شده توسط آخرین لایه ترانسفورمر.
   • تعبیه پولی شده (Pooled Output): خروجی متنی خاصی که معمولاً برای وظایف طبقه‌بندی دنباله استفاده می‌شود (مانند [CLS] token).
   • میانگین‌گیری از چندین لایه (Averaging across Layers): ترکیب خروجی‌های چندین لایه نهایی برای گرفتن یک نمایش جامع‌تر.

2. ارزیابی مستقیم در معماری ترانسفورمر: در این رویکرد، به جای استخراج تعبیه‌ها و استفاده از آن‌ها در یک معماری جداگانه، مدل‌های BERT زیست‌پزشکی به طور کامل و به صورت انتها به انتها (end-to-end) برای وظیفه پیش‌بینی مترادف بودن تنظیم (fine-tune) شدند. این کار از طریق افزودن یک لایه طبقه‌بندی ساده در بالای مدل BERT انجام شد. مدل‌های BERT مورد آزمایش شامل موارد زیر بودند:

   • BioBERT: یک مدل BERT که بر روی متون زیست‌پزشکی مانند PubMed و PMC پیش‌آموزش دیده است.
   • SapBERT: یک مدل BERT که به طور خاص برای هم‌ترازی واژگان و مسائل معنایی در حوزه زیست‌پزشکی با استفاده از داده‌های UMLS پیش‌آموزش دیده است. این مدل‌ها انتظار می‌رفت که به دلیل آموزش بر روی داده‌های مرتبط با UMLS، عملکرد بهتری داشته باشند.

۴.۳. مجموعه داده‌ها و ارزیابی

برای آموزش و ارزیابی مدل‌ها، از زیرمجموعه‌هایی از متا-فرهنگ UMLS استفاده شد که شامل جفت‌های اصطلاحات مترادف و غیرمترادف بودند. معیار ارزیابی دقیق در چکیده مشخص نشده، اما معمولاً در چنین وظایفی، معیارهایی مانند دقت (Accuracy)، فراخوانی (Recall)، امتیاز F1 (F1-score) و منحنی مشخصه عملیاتی گیرنده (Receiver Operating Characteristic – ROC AUC) برای اندازه‌گیری توانایی مدل در تشخیص صحیح جفت‌های مترادف مورد استفاده قرار می‌گیرند.

هدف اصلی از این روش‌شناسی، نه تنها مقایسه عملکرد مطلق، بلکه درک این موضوع بود که آیا پیچیدگی و قدرت تعبیه‌های متنی BERT، واقعاً در این وظیفه خاص، مزیت قابل توجهی نسبت به رویکردهای ساده‌تر و تخصصی‌شده‌تر ایجاد می‌کند یا خیر.

۵. یافته‌های کلیدی

نتایج حاصل از آزمایش‌های این مقاله، برخلاف انتظارات اولیه از قدرت مدل‌های BERT در NLP، نکات بسیار مهم و گاه تعجب‌آوری را به همراه داشت. این یافته‌ها، دیدگاه‌های جدیدی را در مورد کاربرد مدل‌های زبانی بزرگ در وظایف بسیار تخصصی مانند هم‌ترازی واژگان زیست‌پزشکی ارائه می‌دهند:

1. عدم برتری مدل‌های BERT در مقایسه با رویکردهای موجود: شاید مهم‌ترین و شگفت‌انگیزترین یافته این بود که در هر دو معماری مورد آزمایش (یعنی شبکه‌های سیامی با تعبیه‌های BERT و معماری‌های مستقیم ترانسفورمر)، مدل‌های مبتنی بر BERT زیست‌پزشکی نتوانستند عملکرد بهتری نسبت به روش‌های موجود مبتنی بر شبکه سیامی با تعبیه‌های BioWordVec برای وظیفه پیش‌بینی مترادف بودن در UMLS از خود نشان دهند. این نتیجه برخلاف انتظاراتی است که از عملکرد “State-of-the-Art” این مدل‌ها در سایر وظایف پایین‌دستی NLP وجود دارد. این امر می‌تواند نشان‌دهنده آن باشد که طبیعت پیچیده و ظریف مترادف بودن در واژگان زیست‌پزشکی، چالش‌های منحصر به فردی را ایجاد می‌کند که صرفاً با قدرت تعبیه‌های متنی حل نمی‌شوند.

2. برتری BioBERT بدون آموزش بر UMLS نسبت به SapBERT با آموزش بر UMLS: یافته دوم نیز بسیار جالب توجه بود. مدل BioBERT بزرگ اصلی که صرفاً بر روی متون عمومی زیست‌پزشکی (مانند PubMed و PMC) پیش‌آموزش دیده و به طور خاص بر روی داده‌های UMLS آموزش داده نشده بود، عملکرد بهتری نسبت به مدل‌های SapBERT از خود نشان داد. این در حالی است که مدل‌های SapBERT به طور اختصاصی با هدف هم‌ترازی واژگان و با استفاده از داده‌های UMLS پیش‌آموزش دیده بودند. این نتیجه می‌تواند حاکی از چندین نکته باشد:

   • کیفیت یا ماهیت داده‌های پیش‌آموزش: ممکن است داده‌های عمومی‌تر و وسیع‌تر زیست‌پزشکی که BioBERT بر روی آن‌ها آموزش دیده، منجر به یادگیری نمایش‌های معنایی قوی‌تر و کلی‌تری شده باشد که در نهایت برای وظیفه هم‌ترازی UMLS مفیدتر واقع شده‌اند.
   • پیچیدگی وظیفه مترادف‌یابی UMLS: شاید ماهیت مترادف بودن در UMLS به گونه‌ای باشد که یک مدل با دانش وسیع‌تر اما عمومی‌تر، در مقایسه با مدلی که بیش از حد بر روی داده‌های خاص UMLS متمرکز شده، انعطاف‌پذیری بیشتری از خود نشان دهد.
   • روش‌های فاین‌تیونینگ (Fine-tuning): این احتمال نیز وجود دارد که روش‌های فاین‌تیونینگ (تنظیم دقیق) اعمال شده بر روی SapBERT بهینه نبوده یا نتوانسته‌اند پتانسیل کامل آن را آزاد کنند.

3. برتری شبکه‌های سیامی نسبت به مدل‌های مستقیم BERT: یافته سوم این بود که استفاده از شبکه‌های سیامی (Siamese Networks)، در مقایسه با استفاده مستقیم از مدل‌های BERT زیست‌پزشکی (یعنی رویکرد انتها به انتها با یک لایه طبقه‌بندی ساده بر روی BERT)، عملکرد بهتری برای پیش‌بینی مترادف بودن به ارمغان آورد. این نشان می‌دهد که معماری شبکه سیامی، که برای مقایسه جفت‌ها طراحی شده و روابط بین دو ورودی را به خوبی مدل می‌کند، ممکن است برای این نوع وظیفه تطبیق معنایی، مناسب‌تر از یک معماری ساده طبقه‌بندی مستقیم بر روی خروجی BERT باشد. به عبارت دیگر، نحوه مقایسه دو اصطلاح با یکدیگر به اندازه کیفیت تعبیه‌های خود اصطلاحات اهمیت دارد.

در مجموع، این یافته‌ها به ما می‌آموزند که صرف داشتن یک مدل “قدرتمند” SOTA به معنای عملکرد برتر آن در هر وظیفه‌ای نیست. پیچیدگی‌های دامنه، ماهیت دقیق وظیفه، و حتی طراحی معماری مدل، نقش حیاتی در موفقیت یا عدم موفقیت یک رویکرد ایفا می‌کنند.

۶. کاربردها و دستاوردها

با وجود نتایج غیرمنتظره‌ای که نشان داد مدل‌های BERT لزوماً از روش‌های موجود در وظیفه پیش‌بینی مترادف بودن در UMLS پیشی نمی‌گیرند، این مقاله به هیچ وجه بی‌اهمیت نیست؛ بلکه دستاوردها و کاربردهای مهمی را ارائه می‌دهد:

• راهنمایی برای تحقیقات آتی در NLP زیست‌پزشکی: این تحقیق یک درس حیاتی برای جامعه علمی NLP زیست‌پزشکی است. این نشان می‌دهد که فناوری‌های پیشرفته و SOTA لزوماً راه‌حل‌های جهانی نیستند و باید به دقت برای هر وظیفه و دامنه خاص ارزیابی شوند. این مقاله به عنوان یک چراغ راه عمل می‌کند و محققان را تشویق می‌کند تا فراتر از صرف استفاده از جدیدترین مدل‌ها فکر کنند و به جزئیات دامنه، معماری مدل و روش‌های آموزش توجه بیشتری داشته باشند.

• درک محدودیت‌های مدل‌های BERT: این مطالعه به ما کمک می‌کند تا محدودیت‌های مدل‌های BERT، حتی در نسخه‌های تخصصی زیست‌پزشکی، را برای وظایف بسیار ظریف و دقیق مانند تشخیص مترادف بودن در یک متا-فرهنگ سازمان‌یافته مانند UMLS، بهتر درک کنیم. این امر به ویژه برای اصطلاحات پزشکی که می‌توانند تفاوت‌های ظریفی در معنا داشته باشند، اما هنوز در زمینه‌های خاصی مترادف تلقی شوند (یا برعکس)، بسیار مهم است. BERT ممکن است در گرفتن این ظرایف دچار مشکل شود.

• اهمیت معماری مدل برای وظایف تطبیق معنایی: برتری شبکه‌های سیامی بر رویکردهای مستقیم BERT، بر اهمیت طراحی معماری مدل تأکید می‌کند. شبکه‌های سیامی به طور ذاتی برای یادگیری نمایش‌های مشابه (embeddings) برای جفت‌های مرتبط و نمایش‌های متفاوت برای جفت‌های نامرتبط طراحی شده‌اند. این نشان می‌دهد که برای وظایفی که شامل مقایسه دو ورودی و یافتن رابطه بین آن‌هاست، معماری‌های اختصاصی مانند شبکه‌های سیامی می‌توانند عملکرد بهتری داشته باشند، حتی اگر از تعبیه‌های اولیه (مانند BioWordVec) استفاده کنند.

• توصیه برای رویکردهای ترکیبی: نتایج این مطالعه به طور ضمنی به لزوم توسعه رویکردهای ترکیبی (Hybrid Approaches) اشاره دارد. به جای جایگزینی کامل روش‌های موجود با مدل‌های BERT، می‌توان از ترکیب نقاط قوت هر دو رویکرد بهره برد. به عنوان مثال، BERT می‌تواند برای تولید کاندیداهای اولیه مترادف یا فیلتر کردن حجم وسیعی از اصطلاحات استفاده شود، در حالی که روش‌های سنتی‌تر یا شبکه‌های سیامی می‌توانند برای داوری نهایی با دقت بالا به کار روند.

• بهبود فرآیند ساخت UMLS در آینده: اگرچه این مقاله یک راه‌حل فوری برای بهبود فرایند فعلی ارائه نمی‌دهد، اما نتایج آن به توسعه‌دهندگان و محققان UMLS کمک می‌کند تا منابع و تلاش‌های خود را در مسیرهای صحیح‌تری هدایت کنند. به جای صرف زمان و هزینه برای پیاده‌سازی کورکورانه جدیدترین مدل‌های NLP، می‌توان بر روی بهینه‌سازی روش‌های موجود، ترکیب آن‌ها با ویژگی‌های BERT یا طراحی مدل‌های BERT جدید که به طور خاص برای ظرافت‌های UMLS تنظیم شده‌اند، تمرکز کرد.

در نهایت، این مقاله به ما یادآوری می‌کند که نوآوری واقعی در علم، تنها در به کارگیری جدیدترین ابزارها نیست، بلکه در درک عمیق ماهیت مسئله و طراحی هوشمندانه راه‌حل‌هایی است که به بهترین شکل با آن مسئله سازگار باشند.

۷. نتیجه‌گیری

مقاله “ارزیابی مدل‌های BERT زیست‌پزشکی برای هم‌ترازی واژگان در مقیاس بزرگ در متا-فرهنگ UMLS” به یک چالش مهم در انفورماتیک زیست‌پزشکی، یعنی فرایند پرهزینه و پیچیده تشخیص مترادف بودن اصطلاحات در UMLS، پرداخته است. هدف اصلی این پژوهش، بررسی این بود که آیا مدل‌های پیشرفته BERT زیست‌پزشکی می‌توانند عملکردی بهتر از رویکردهای موجود در این وظیفه خاص ارائه دهند.

نتایج حاصل، برخلاف انتظار اولیه از توانایی‌های مدل‌های BERT در سایر وظایف NLP، نشان داد که در مورد پیش‌بینی مترادف بودن در UMLS، مدل‌های مبتنی بر BERT نتوانستند از روش‌های موجود مبتنی بر شبکه سیامی و تعبیه‌های BioWordVec پیشی بگیرند. همچنین، مدل BioBERT اصلی، که با داده‌های UMLS پیش‌آموزش ندیده بود، عملکرد بهتری نسبت به SapBERT که به طور خاص بر روی UMLS آموزش دیده بود، نشان داد. علاوه بر این، معماری شبکه‌های سیامی برای این وظیفه بهتر از استفاده مستقیم از مدل‌های BERT عمل کرد.

این یافته‌ها به روشنی تأکید می‌کنند که عملکرد “State-of-the-Art” در وظایف عمومی NLP، لزوماً به معنای برتری در وظایف بسیار تخصصی و دامنه-محور نیست. ماهیت دقیق و ظریف روابط معنایی در واژگان زیست‌پزشکی، چالش‌هایی را مطرح می‌کند که نیازمند توجه ویژه به معماری مدل، استراتژی‌های آموزش و حتی ماهیت داده‌های پیش‌آموزش است.

این تحقیق نه تنها به درک عمیق‌تری از محدودیت‌ها و توانایی‌های مدل‌های زبانی بزرگ در کاربردهای زیست‌پزشکی منجر می‌شود، بلکه مسیرهای جدیدی را برای تحقیقات آتی هموار می‌سازد. برای مثال، توسعه مدل‌های ترکیبی (Hybrid Models) که نقاط قوت روش‌های مبتنی بر شبکه‌های سیامی و تعبیه‌های BERT را ترکیب می‌کنند، یا طراحی معماری‌های BERT جدید که به طور خاص برای پیچیدگی‌های تشخیص مترادف در UMLS بهینه شده‌اند، می‌تواند گام‌های بعدی ارزشمندی باشد. همچنین، این مقاله بر اهمیت انتخاب دقیق داده‌های پیش‌آموزش و روش‌های تنظیم دقیق (fine-tuning) متناسب با وظیفه هدف تأکید می‌کند.

در نهایت، پژوهش بجاج و همکارانش مثالی برجسته از ارزیابی علمی دقیق است که حتی با نتایج غیرمنتظره، به دانش ما می‌افزاید و راهنمایی‌های عملی برای پیشبرد حوزه انفورماتیک زیست‌پزشکی و پردازش زبان طبیعی ارائه می‌دهد.