TMU Participation in TREC Clinical Trials Track 2023

Core Concepts

Toronto Metropolitan University's approach to TREC Clinical Trials Track 2023.

Abstract

Directory:

1. Abstract and Introduction
   • Utilization of advanced natural language processing techniques and neural language models for clinical trials retrieval.
   • Shift from traditional recruitment methods to questionnaire-based identification of suitable clinical trials.
2. Methodology
   • Data preparation involving XML parsing and feature extraction.
   • Information retrieval and document ranking using Sentence Transformer and Doc2Vec models.
3. Results and Evaluation
   • Submission of four runs with varying models, highlighting the performance of Sentence Transformer model.
4. Conclusion and References

Key Highlights:

• Transition to questionnaire-based clinical trial identification.
• Use of PubMed Parser for data extraction.
• Application of neural language models for trial retrieval.
• Comparison between Sentence Transformer and Doc2Vec models.
• Performance evaluation based on NDCG scores.

Stats

試験応募の結果、4つのランが提出されました。
表1は、提出されたランのNDCGスコアを示しています。
表2は、提出されたランの評価結果を示しています。

Quotes

Key Insights Distilled From

TMU at TREC Clinical Trials Track 2023

by Aritra Kumar... at arxiv.org 03-20-2024

https://arxiv.org/pdf/2403.12088.pdf

Deeper Inquiries

研究に基づいて、患者や臨床医が適切な臨床試験を特定するための新しい方法論が開発される可能性はありますか？

この研究では、自然言語処理技術とニューラル言語モデルを活用して、患者の健康記録の要約から適切な臨床試験を見つけるタスクに取り組んでいます。提供された40のトピックに対して8つの異なる障害に関連する臨床試験を特定することが主な目標です。このアプローチは従来の臨床試験募集方法から逸脱したものであり、将来的に患者や臨床医がより効果的かつ迅速に適切な臨床試験を特定するための新しい方法論が開発される可能性があります。