Core Concepts
본 연구는 의료 지식을 활용하여 약물 부작용 탐지를 위한 개념 인지 주의 기반 그래프 신경망 모델을 제안한다.
Abstract
본 연구는 약물 부작용 탐지를 위한 지식 증강 그래프 신경망 모델을 제안한다. 주요 내용은 다음과 같다:
의료 지식 베이스인 UMLS를 활용하여 문서-단어-개념 관계를 나타내는 이종 그래프를 구축한다. 이를 통해 약물, 부작용, 증상 등의 의료 개념 정보를 그래프에 반영한다.
개념 인지 주의 메커니즘을 도입하여 단어, 문서, 개념 노드 유형별로 차별화된 특징 학습을 수행한다. 이를 통해 의료 개념 정보를 효과적으로 활용할 수 있다.
사전 학습된 언어 모델과 그래프 신경망을 결합한 앙상블 모델을 제안한다. 이를 통해 텍스트 정보와 관계 정보를 종합적으로 활용할 수 있다.
4개의 공개 데이터셋에 대한 실험 결과, 제안 모델이 기존 최신 모델들을 대부분 능가하는 성능을 보였다. 특히 개념 인지 주의 메커니즘이 일관적으로 우수한 성능을 나타냈다.
Stats
약물 부작용 데이터셋에서 약물, 부작용, 증상 등 핵심 개념을 포함하는 문장들은 다음과 같다:
"I feel a bit drowsy & have a little blurred vision, so far no gastric problems."
"I've been on Arthrotec 50 for over 10 years on and off, only taking it when I needed it."
Quotes
"약물 부작용 탐지는 약물 안전성 모니터링에 매우 중요하다. 하지만 일부 부작용은 임상시험으로 탐지하기 어렵고, 자발적 보고 시스템에도 한계가 있다."
"최근 연구에서는 의료 문헌, 약물 리뷰, 소셜 미디어 등 다양한 텍스트 데이터를 활용하여 자동화된 약물 부작용 탐지 기술을 개발하고 있다."