検索
Close this search box.
検索
Subscriber Log In

AIを解明する:自然言語処理(後編)

自然言語処理(NLP)は、多くの機械学習アプローチの重要な要素である。 大まかに)どのように機能するかを見てきたが、次はライフサイエンス業界における主な使用例をいくつか調査する。

このブログ記事の最初の部分では、自然言語処理がどのように機能するのかを見てきた(もちろん、ハイレベルで)。 それでは、ライフサイエンス業界における主な使用例をいくつか紹介しよう。

Evaluateでは、AIをトレーニングし、クライアントのために非常にクールなビジネスケースに適用してきました。 私たちがNLPの価値を実感している大まかな分野は次のとおりだ;

データマイニング研究

  • 医療実体の認識と解決:任意のテキストが与えられると、NLPは症状、病気、治療法などのさまざまな医療実体を抽出することができる。 Evaluateのような企業にとって、これは非常に重要なことである。 しかし、トピックや治療法、病態を認識することができれば、文書にタグを付けて適切なチームに送り、手作業でレビューやデータ入力をさせることができる。 適切なセクションにタグを付け、可能な限り自動入力することで、人間のチームでは追いつけないような幅広い情報源から収集した、より最新のデータを顧客に提供することができる!
  • 医療知識発見:NLPは、さまざまな種類の非構造化医療テキストを処理し、パターンとそれらの間の関係を抽出することによって、構造化データを補完することができる。 興味深い知識の多くは希薄で、人間のように一度に1つの文書を読むときに抽出するのは難しい。 一つの分野に集中する専門家チームでさえ、新しい研究発表の速度に追いつくことはできない。 しかし、NLPは、エンティティ間の関係を決定し、それらを分類し、グループ化し、概念間のリンクを形成することができる。 その結果、薬物間の生化学的経路相互作用、特定の遺伝子変異との相関関係などの概念と関係の知識グラフができ、信頼性の低い推測的な知識と信頼性の高い裏付けされた知識を持つことになる。

臨床判断サポート

  • 臨床アサーション・モデリング:臨床アサーション・モデリングは、医療提供者が臨床記録を分析し、患者が問題を経験しているかどうか、その問題が存在するか、存在しないか、または条件付きであるかを特定することを可能にする。 クリニカル・ノートしかない場合でも、グループの統計を考慮することができるため、大規模な患者グループをまとめて分析する場合に特に便利です。
  • 医学的に適切な返答や質問の提案:これは、患者と会話している医師に対して、返答や質問を提案することである。 その提案には、言語的、文脈的に意味があるだけでなく、医学的妥当性も必要である。

臨床試験マッチング

新薬やワクチンの臨床試験を実施するために適切な患者を見つけることは、特に薬がより特殊化し、標的が絞られていくにつれて、研究者にとって困難な課題となりうる。 NLPを搭載したシステムとコンピュータ・ビジョン・ツールは、医療専門家のその作業を支援することができる。 このようなシステムは、多数の患者の過去の医療記録を素早くスキャンしてから、治験に参加するのに適しているかどうかを確認する。

最近、エバリュエイトでNLPについてのセッションを行ったとき、最初に聞かれた質問のひとつが「これは私たちのチームにどのような影響を与えるのか」というものだった。 NLPは、他のMLベースのシステムと同様に、独自の潜在的なバイアスや倫理的な懸念、特にソースデータセットに関する懸念を持っているが、それは実際に意思決定をしているのではなく、代わりに情報を要約し、後で人々が使用するためのコンテキストを広げている。 このように、AIシステムが人間と相乗効果を発揮している最良の例のひとつである。 AIのすべての応用と同様、そのアプローチは、人間の努力を代替するのではなく、人間の努力を補助するものでなければならない。 医療現場、特に臨床試験のような場面では、重要な決定が正しいことを確認するために、常に人間による検証が必要となる。 しかし、AIがパイプラインから患者への新治療の道筋を早めるのに役立つのであれば、製薬会社のツールキットの一部として歓迎されるに違いない。

Share

Related Blogs

Understand the context. Data-driven news and analysis for the pharma, biotech and medtech sectors.