مقاله “استخراج اطلاعات کارآزمایی بالینی با BERT” به بررسی استفاده از تکنیک‌های پردازش زبان طبیعی (NLP) برای استخراج خودکار اطلاعات مهم از اسناد مربوط به کارآزمایی‌های بالینی می‌پردازد. این امر با هدف تسهیل طراحی و اجرای کارآزمایی‌های بالینی جدید صورت می‌گیرد. در دنیای امروز، حجم عظیمی از اطلاعات مربوط به کارآزمایی‌های بالینی وجود دارد که بررسی دستی آن‌ها زمان‌بر و پرهزینه است. بنابراین، استفاده از روش‌های خودکار برای استخراج اطلاعات کلیدی، می‌تواند به محققان و پزشکان کمک شایانی کند تا به سرعت به اطلاعات مورد نیاز خود دسترسی پیدا کرده و تصمیمات بهتری اتخاذ کنند.

این مقاله توسط Xiong Liu، Greg L. Hersch، Iya Khalil و Murthy Devarakonda به نگارش درآمده است. نویسندگان این مقاله در زمینه‌های مختلفی از جمله پردازش زبان طبیعی، یادگیری ماشین و پزشکی فعالیت دارند. تخصص آن‌ها در این زمینه‌ها، به آن‌ها این امکان را داده است تا روشی نوین برای استخراج اطلاعات از اسناد کارآزمایی بالینی ارائه دهند. زمینه تحقیق این مقاله در حوزه‌های “روش‌های کمی”، “محاسبات و زبان” و “یادگیری ماشین” قرار می‌گیرد.

چکیده این مقاله به این صورت است: پردازش زبان طبیعی اسناد کارآزمایی بالینی می‌تواند در طراحی کارآزمایی‌های جدید مفید باشد. در این مقاله، انواع موجودیت‌های مرتبط با طراحی کارآزمایی بالینی شناسایی شده و یک چارچوب به نام CT-BERT برای استخراج اطلاعات از متن کارآزمایی بالینی پیشنهاد می‌شود. مدل‌های تشخیص موجودیت نام‌دار (NER) برای استخراج موجودیت‌های معیارهای ورود به کارآزمایی (Eligibility Criteria) با تنظیم دقیق مجموعه‌ای از مدل‌های BERT از پیش آموزش داده شده، آموزش داده شدند. سپس عملکرد CT-BERT با روش‌های پایه اخیر، از جمله BiLSTM مبتنی بر توجه و Criteria2Query مقایسه شد. نتایج نشان می‌دهد که CT-BERT در پردازش زبان طبیعی کارآزمایی بالینی برتری دارد.

به طور خلاصه، مقاله CT-BERT را به عنوان یک روش جدید و موثر برای استخراج اطلاعات از اسناد کارآزمایی بالینی معرفی می‌کند. این روش با استفاده از مدل‌های BERT، دقت و کارایی بالاتری نسبت به روش‌های قبلی دارد.

روش‌شناسی تحقیق در این مقاله شامل مراحل زیر است:

• شناسایی موجودیت‌های مرتبط: در این مرحله، محققان موجودیت‌های کلیدی و مهم در اسناد کارآزمایی بالینی را شناسایی کردند. این موجودیت‌ها شامل معیارهای ورود به کارآزمایی (Eligibility Criteria)، داروها، بیماری‌ها، روش‌های درمان و سایر اطلاعات مرتبط می‌شوند.
• آموزش مدل‌های NER با استفاده از BERT: مدل‌های تشخیص موجودیت نام‌دار (NER) با استفاده از معماری BERT آموزش داده شدند. BERT یک مدل زبان قدرتمند است که می‌تواند روابط پیچیده بین کلمات و عبارات را درک کند. برای این منظور، نویسندگان از یک مجموعه داده از پیش آموزش داده شده BERT استفاده کرده و آن را با داده‌های مربوط به کارآزمایی‌های بالینی تنظیم دقیق کردند. این فرآیند به مدل کمک می‌کند تا ویژگی‌های خاص زبان مورد استفاده در اسناد کارآزمایی بالینی را یاد بگیرد.
• ارزیابی عملکرد مدل: عملکرد مدل CT-BERT با استفاده از معیارهای مختلفی از جمله دقت (Precision)، بازخوانی (Recall) و امتیاز F1 ارزیابی شد. این معیارها نشان می‌دهند که مدل تا چه حد می‌تواند موجودیت‌های صحیح را شناسایی کند و از شناسایی موجودیت‌های نادرست جلوگیری کند.
• مقایسه با روش‌های پایه: برای نشان دادن برتری CT-BERT، عملکرد آن با روش‌های پایه دیگری مانند BiLSTM مبتنی بر توجه و Criteria2Query مقایسه شد. این مقایسه نشان داد که CT-BERT عملکرد بهتری در استخراج اطلاعات از اسناد کارآزمایی بالینی دارد.

به عنوان مثال، معیارهای ورود به کارآزمایی می توانند شامل محدوده سنی، جنسیت، وجود یا عدم وجود بیماری های خاص، و سایر شرایط پزشکی باشند. CT-BERT این اطلاعات را از متن استخراج کرده و به صورت ساختاریافته ارائه می دهد.

یافته‌های کلیدی این تحقیق به شرح زیر است:

• برتری CT-BERT نسبت به روش‌های پایه: نتایج نشان داد که CT-BERT عملکرد بهتری نسبت به روش‌های پایه BiLSTM و Criteria2Query در استخراج اطلاعات از اسناد کارآزمایی بالینی دارد. این برتری به دلیل استفاده از معماری BERT و تنظیم دقیق آن با داده‌های مربوط به کارآزمایی‌های بالینی است.
• دقت بالای استخراج معیارهای ورود به کارآزمایی: CT-BERT توانست با دقت بالایی معیارهای ورود به کارآزمایی را از اسناد استخراج کند. این امر به محققان کمک می‌کند تا به سرعت و به آسانی معیارهای مورد نظر خود را برای شرکت در کارآزمایی پیدا کنند.
• کارایی در پردازش حجم بالای اطلاعات: CT-BERT می‌تواند حجم بالایی از اطلاعات مربوط به کارآزمایی‌های بالینی را به سرعت پردازش کند. این امر به صرفه‌جویی در زمان و هزینه محققان کمک می‌کند.

به طور خاص، امتیاز F1 برای استخراج معیارهای ورود به کارآزمایی با استفاده از CT-BERT به طور قابل توجهی بالاتر از روش های دیگر بود. این نشان دهنده تعادل خوب بین دقت و بازخوانی در این روش است.

این تحقیق دارای کاربردها و دستاوردهای متعددی است، از جمله:

• تسهیل طراحی کارآزمایی بالینی: با استفاده از CT-BERT، محققان می‌توانند به سرعت و به آسانی اطلاعات مربوط به کارآزمایی‌های بالینی قبلی را استخراج کرده و از آن‌ها در طراحی کارآزمایی‌های جدید استفاده کنند. این امر می‌تواند به تسریع فرآیند توسعه دارو و درمان‌های جدید کمک کند.
• بهبود فرآیند غربالگری شرکت‌کنندگان: CT-BERT می‌تواند به پزشکان کمک کند تا بیماران مناسب برای شرکت در کارآزمایی‌های بالینی را به سرعت و به آسانی شناسایی کنند. این امر می‌تواند به بهبود نتایج کارآزمایی‌ها و کاهش هزینه‌ها کمک کند.
• دسترسی آسان‌تر به اطلاعات: CT-BERT می‌تواند اطلاعات مربوط به کارآزمایی‌های بالینی را به صورت ساختاریافته و قابل جستجو ارائه دهد. این امر می‌تواند به محققان، پزشکان و بیماران کمک کند تا به سرعت به اطلاعات مورد نیاز خود دسترسی پیدا کنند.
• ایجاد پایگاه دانش کارآزمایی بالینی: CT-BERT می تواند به عنوان یک ابزار قدرتمند برای ایجاد و نگهداری یک پایگاه دانش جامع از کارآزمایی های بالینی عمل کند. این پایگاه دانش می تواند برای تحقیقات، تصمیم گیری های بالینی و سیاست گذاری در حوزه سلامت استفاده شود.

به طور کلی، مقاله “استخراج اطلاعات کارآزمایی بالینی با BERT” یک گام مهم در جهت استفاده از تکنیک‌های پردازش زبان طبیعی برای بهبود فرآیند طراحی و اجرای کارآزمایی‌های بالینی است. CT-BERT به عنوان یک روش نوین و موثر برای استخراج اطلاعات از اسناد کارآزمایی بالینی معرفی شده است و می‌تواند به محققان، پزشکان و بیماران کمک شایانی کند. با توسعه و بهبود بیشتر این روش، می‌توان انتظار داشت که شاهد پیشرفت‌های چشمگیری در حوزه پزشکی و توسعه دارو باشیم. استفاده از این روش می تواند به کاهش زمان و هزینه های مربوط به مرور مقالات و مستندات کارآزمایی بالینی کمک کرده و فرآیند تصمیم گیری را تسریع کند. بنابراین، سرمایه گذاری در این حوزه می تواند مزایای قابل توجهی برای نظام سلامت داشته باشد.