با گسترش روزافزون حجم اطلاعات متنی در حوزه زیست‌پزشکی، نیاز به ابزارهایی برای استخراج خودکار و دقیق اطلاعات مرتبط از این متون بیش از پیش احساس می‌شود. مقاله حاضر به معرفی BERN2 (Advanced Biomedical Entity Recognition and Normalization) می‌پردازد، یک ابزار پیشرفته که با استفاده از شبکه‌های عصبی، فرآیندهای بازشناسی موجودیت‌های نامدار (NER) و نرمال‌سازی موجودیت‌های نامدار (NEN) را در متون زیست‌پزشکی بهبود می‌بخشد. این دو فرآیند، سنگ بنای استخراج اطلاعات از متون پزشکی و ساخت دانش‌های مرتبط هستند.

بازشناسی موجودیت‌های نامدار (NER) و نرمال‌سازی موجودیت‌های نامدار (NEN) دو وظیفه حیاتی در پردازش زبان طبیعی (NLP) زیست‌پزشکی به شمار می‌روند. NER به شناسایی و دسته‌بندی موجودیت‌های خاص مانند بیماری‌ها، داروها، ژن‌ها و پروتئین‌ها در یک متن می‌پردازد. برای مثال، در جمله “آسپرین برای درمان سردرد مفید است”، NER باید “آسپرین” را به عنوان دارو و “سردرد” را به عنوان بیماری شناسایی کند. NEN یک گام فراتر می‌رود و سعی می‌کند موجودیت‌های شناسایی شده را به مدخل‌های استاندارد در پایگاه‌های دانش متصل کند. به عنوان مثال، NEN “آسپرین” را به شناسه منحصر به فرد آن در پایگاه داده‌ای مانند DrugBank مرتبط می‌کند.

اهمیت این دو فرآیند در این است که امکان استخراج خودکار دانش از حجم عظیمی از مقالات علمی، گزارش‌های بالینی و سایر متون زیست‌پزشکی را فراهم می‌کنند. این دانش استخراج شده می‌تواند برای اهداف مختلفی مانند ساخت نمودارهای دانش زیست‌پزشکی، توسعه ابزارهای پشتیبانی تصمیم‌گیری بالینی و کشف داروهای جدید مورد استفاده قرار گیرد. با توجه به رشد تصاعدی انتشارات زیست‌پزشکی، استفاده از ابزارهای خودکار مانند BERN2 برای پردازش و تحلیل این اطلاعات ضروری است.

مقاله BERN2 توسط تیمی از محققان به سرپرستی Mujeen Sung, Minbyul Jeong, Yonghwa Choi, Donghyeon Kim, Jinhyuk Lee, Jaewoo Kang نوشته شده است. این محققان در زمینه پردازش زبان طبیعی و یادگیری ماشین تخصص دارند و تمرکز آن‌ها بر توسعه ابزارهای خودکار برای استخراج اطلاعات از متون زیست‌پزشکی است. این مقاله در دسته محاسبات و زبان قرار می‌گیرد، که نشان‌دهنده رویکرد مبتنی بر علوم کامپیوتر و زبان‌شناسی برای حل مسائل زیست‌پزشکی است.

فعالیت‌های قبلی این گروه تحقیقاتی شامل توسعه مدل‌های NER مبتنی بر شبکه‌های عصبی بوده است. BERN2 به عنوان یک نسخه بهبود یافته از ابزار NER قبلی آن‌ها معرفی شده است که از رویکردهای جدید و نوآورانه‌تری برای دستیابی به دقت و سرعت بالاتر استفاده می‌کند.

چکیده مقاله به معرفی BERN2 به عنوان ابزاری برای بهبود فرآیندهای NER و NEN در متون زیست‌پزشکی می‌پردازد. این ابزار از یک مدل NER چندوظیفه‌ای و مدل‌های NEN مبتنی بر شبکه‌های عصبی استفاده می‌کند تا سرعت و دقت استخراج اطلاعات را به طور قابل توجهی افزایش دهد. هدف اصلی این ابزار، کمک به محققان در حاشیه‌نویسی متون زیست‌پزشکی در مقیاس بزرگ برای کاربردهایی مانند ساخت نمودارهای دانش زیست‌پزشکی است.

به طور خلاصه، BERN2 یک ابزار جامع برای استخراج اطلاعات از متون زیست‌پزشکی است که با استفاده از تکنیک‌های پیشرفته یادگیری ماشین، دقت و کارایی را به طور همزمان بهبود می‌بخشد. این ابزار می‌تواند نقش مهمی در تسریع تحقیقات زیست‌پزشکی و توسعه دانش‌های مرتبط ایفا کند.

روش‌شناسی تحقیق در مقاله BERN2 شامل چندین جزء کلیدی است:

• مدل NER چندوظیفه‌ای: به جای آموزش مدل‌های جداگانه برای انواع مختلف موجودیت‌ها (مانند بیماری‌ها، داروها و ژن‌ها)، BERN2 از یک مدل واحد استفاده می‌کند که به طور همزمان قادر به شناسایی و دسته‌بندی انواع مختلف موجودیت‌ها است. این رویکرد چندوظیفه‌ای به مدل اجازه می‌دهد تا از ارتباطات بین انواع مختلف موجودیت‌ها یاد بگیرد و دقت کلی را بهبود بخشد.
• مدل‌های NEN مبتنی بر شبکه‌های عصبی: BERN2 از شبکه‌های عصبی برای مرتبط کردن موجودیت‌های شناسایی شده با مدخل‌های استاندارد در پایگاه‌های دانش استفاده می‌کند. این مدل‌ها با استفاده از داده‌های آموزشی گسترده، نحوه ارتباط بین اسامی مختلف یک موجودیت (مانند مترادف‌ها و اختصارات) و شناسه استاندارد آن را یاد می‌گیرند.
• داده‌های آموزشی: عملکرد BERN2 به شدت به کیفیت و کمیت داده‌های آموزشی بستگی دارد. محققان از مجموعه‌های داده موجود و همچنین داده‌های جدیدی که به صورت دستی حاشیه‌نویسی شده‌اند، برای آموزش مدل‌های خود استفاده کرده‌اند.
• معیارهای ارزیابی: برای ارزیابی عملکرد BERN2، از معیارهای استانداردی مانند دقت (Precision)، بازخوانی (Recall) و امتیاز F1 استفاده شده است. این معیارها به محققان اجازه می‌دهند تا عملکرد BERN2 را با سایر ابزارهای NER و NEN مقایسه کنند.

برای مثال، مدل NER چندوظیفه‌ای ممکن است به این صورت عمل کند: فرض کنید در جمله “بیمار با علائم تب و سرفه به بیمارستان مراجعه کرد” مدل NER باید “تب” و “سرفه” را به عنوان علائم بیماری شناسایی کند. مدل چندوظیفه‌ای با در نظر گرفتن متن اطراف این کلمات و همچنین ارتباط بین “تب” و “سرفه” به عنوان علائم مرتبط با هم، می‌تواند با دقت بیشتری این موجودیت‌ها را شناسایی کند.

نتایج آزمایش‌ها نشان می‌دهد که BERN2 عملکرد بسیار بهتری نسبت به ابزارهای NER و NEN قبلی دارد. یافته‌های کلیدی عبارتند از:

• دقت بالاتر: BERN2 در شناسایی و دسته‌بندی موجودیت‌های زیست‌پزشکی دقت بسیار بالاتری نسبت به ابزارهای مشابه دارد.
• سرعت بیشتر: استفاده از مدل‌های چندوظیفه‌ای و بهینه‌سازی‌های مختلف، باعث شده است که BERN2 فرآیندهای NER و NEN را با سرعت بیشتری انجام دهد.
• قابلیت تعمیم‌پذیری: BERN2 به خوبی می‌تواند بر روی مجموعه‌های داده جدید و انواع مختلف متون زیست‌پزشکی عمل کند.

برای مثال، در مقایسه با ابزار BERN قبلی، BERN2 توانسته است امتیاز F1 را در وظیفه NER به میزان قابل توجهی افزایش دهد. این بهبود در دقت به معنای این است که BERN2 قادر است اطلاعات بیشتری را به صورت دقیق از متون زیست‌پزشکی استخراج کند.

BERN2 می‌تواند در کاربردهای مختلفی مورد استفاده قرار گیرد:

• ساخت نمودارهای دانش زیست‌پزشکی: BERN2 می‌تواند برای استخراج روابط بین موجودیت‌های مختلف در متون زیست‌پزشکی استفاده شود. این روابط می‌توانند برای ساخت نمودارهای دانش زیست‌پزشکی استفاده شوند که اطلاعات ارزشمندی را در مورد بیماری‌ها، داروها، ژن‌ها و پروتئین‌ها ارائه می‌دهند.
• توسعه ابزارهای پشتیبانی تصمیم‌گیری بالینی: BERN2 می‌تواند برای توسعه ابزارهای پشتیبانی تصمیم‌گیری بالینی استفاده شود که به پزشکان در تشخیص بیماری‌ها و انتخاب روش‌های درمانی مناسب کمک می‌کنند.
• کشف داروهای جدید: BERN2 می‌تواند برای شناسایی اهداف دارویی جدید و پیش‌بینی اثربخشی داروها استفاده شود.
• حاشیه‌نویسی خودکار متون زیست‌پزشکی: BERN2 می‌تواند به صورت خودکار متون زیست‌پزشکی را حاشیه‌نویسی کند، که این امر می‌تواند زمان و هزینه حاشیه‌نویسی دستی را به طور قابل توجهی کاهش دهد.

به عنوان مثال، با استفاده از BERN2 می‌توان یک نمودار دانش ساخت که روابط بین بیماری دیابت، داروی متفورمین و ژن‌های مرتبط با مقاومت به انسولین را نشان دهد. این نمودار دانش می‌تواند به محققان در درک بهتر مکانیسم‌های مولکولی بیماری دیابت و توسعه داروهای جدید کمک کند.

مقاله BERN2 ابزاری قدرتمند و پیشرفته را برای بازشناسی و نرمال‌سازی موجودیت‌های نامدار زیست‌پزشکی معرفی می‌کند. استفاده از شبکه‌های عصبی و رویکردهای چندوظیفه‌ای، دقت و سرعت استخراج اطلاعات را به طور قابل توجهی بهبود بخشیده است. BERN2 می‌تواند نقش مهمی در تسریع تحقیقات زیست‌پزشکی، توسعه دانش‌های مرتبط و بهبود مراقبت‌های بهداشتی ایفا کند. انتظار می‌رود که این ابزار به طور گسترده در جوامع علمی و صنعتی مورد استفاده قرار گیرد و به پیشرفت‌های قابل توجهی در زمینه پردازش زبان طبیعی زیست‌پزشکی منجر شود. با توجه به قابلیت تعمیم‌پذیری بالای این ابزار، می‌توان انتظار داشت که در آینده با آموزش بر روی داده‌های جدید، عملکرد آن حتی بهتر نیز بشود.