Core Concepts
본 연구는 환자의 전자건강기록(EHR) 노트에서 오피오이드 관련 이상 행동(ORAB)을 식별하고 9개 범주로 분류하는 새로운 생물의학 자연어 처리(BioNLP) 작업을 소개한다. 또한 이 작업을 위한 전문가 주석 벤치마크 데이터셋인 ODD를 제공한다.
Abstract
본 연구는 오피오이드 관련 이상 행동(ORAB) 탐지를 위한 새로운 BioNLP 작업을 소개하고 이를 위한 전문가 주석 벤치마크 데이터셋 ODD를 제공한다.
데이터셋 구축을 위해 전문가들이 협력하여 포괄적인 주석 지침을 개발했다. 이 지침에 따라 MIMIC-IV 데이터베이스의 750개 EHR 노트를 주석화하여 2,840개 문장과 3,718개 인스턴스를 얻었다. 이 중 162개 인스턴스가 ORAB(확인된 이상 행동 115개, 제안된 이상 행동 47개)에 해당한다.
실험에서는 전통적인 미세 조정 모델과 프롬프트 기반 미세 조정 모델을 사용하여 ORAB 탐지 성능을 평가했다. 결과적으로 프롬프트 기반 미세 조정 모델이 대부분의 범주에서 더 나은 성능을 보였으며, 특히 드문 범주(제안된 이상 행동, 확인된 이상 행동, 진단된 오피오이드 의존, 투약 변경)에서 큰 성능 향상을 보였다. 그러나 드문 범주의 성능은 여전히 개선의 여지가 있다.
Stats
오피오이드 관련 이상 행동은 오피오이드 과다 복용의 강력한 위험 요인이다.
오피오이드 관련 이상 행동으로 인한 사회적 비용은 2017년 1.04조 달러에서 2021년 1.5조 달러로 급증했다.
Quotes
"오피오이드 관련 이상 행동(ORAB)은 오피오이드 과다 복용(OOD)과 강력한 연관성이 있다."
"오피오이드 관련 이상 행동으로 인한 사회적 비용이 2017년 1.04조 달러에서 2021년 1.5조 달러로 급증했다."