JP2021190071A - 医療ファクト検証方法、医療ファクト検証装置、電子デバイス、記憶媒体、及びプログラム - Google Patents
医療ファクト検証方法、医療ファクト検証装置、電子デバイス、記憶媒体、及びプログラム Download PDFInfo
- Publication number
- JP2021190071A JP2021190071A JP2020193010A JP2020193010A JP2021190071A JP 2021190071 A JP2021190071 A JP 2021190071A JP 2020193010 A JP2020193010 A JP 2020193010A JP 2020193010 A JP2020193010 A JP 2020193010A JP 2021190071 A JP2021190071 A JP 2021190071A
- Authority
- JP
- Japan
- Prior art keywords
- evidence
- candidate
- target
- medical
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
ターゲットエンティティと、ターゲット属性と、ターゲット属性値とを含む、検証されるべき医療ファクト及び候補エビデンスを取得することと、
ターゲットエンティティと、ターゲット属性値と、候補エビデンスとを属性判定モデルに入力して、判定属性を得ることと、
ターゲット属性と判定属性とが一致する場合に、ターゲットエンティティと、ターゲット属性値と、候補エビデンスとを関連度判定モデルに入力して、候補エビデンスの関連度を得ることと、
候補エビデンスの関連度が所定の条件を満たす場合に、検証されるべき医療ファクトが正しいことを検証することと、を含む。
ターゲットエンティティと、ターゲット属性と、ターゲット属性値とを含む、検証されるべき医療ファクト及び候補エビデンスを取得する第1取得モジュールと、
前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを属性判定モデルに入力して、判定属性を得る第1判定モジュールと、
前記ターゲット属性と前記判定属性とが一致する場合に、前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを関連度判定モデルに入力して、前記候補エビデンスの関連度を得る第2判定モジュールと、
前記候補エビデンスの関連度が所定の条件を満たす場合に、検証されるべき医療ファクトが正しいことを検証する第1検証モジュールと、を備える。
1つ又は複数のプロセッサと、
1つ又は複数のプロセッサに通信接続されるメモリとを含み、
メモリには、前記1つ又は複数のプロセッサにより実行可能なコマンドを記憶しており、
1つ又は複数のプロセッサは、1つ又は複数のコマンドを実行する場合、第1態様のいずれか1項に記載のターゲット検出方法を実行させる。
ターゲットエンティティと、ターゲット属性値と、候補エビデンスとを第1自然言語処理モデルに入力して、ターゲットエンティティと、ターゲット属性値と、候補エビデンスとの第1特徴ベクトルを得ることと、
第1特徴ベクトルを第1分類器に入力して、判定属性を得ることと、を含む。
医療用言語資料に基づき予め訓練して得られた第1自然言語処理モデルと、第1分類器とを用いて、属性判定モデルを構築することと、
構築した属性判定モデルを、正しい医療ファクトと支持的なエビデンスをそれぞれ含む複数の第1サンプルデータを用いて訓練することと、を含む。
ターゲットエンティティと、ターゲット属性値と、候補エビデンスとを第2自然言語処理モデルに入力して、ターゲットエンティティと候補エビデンスの第1層特徴ベクトル、及びターゲット属性値と候補エビデンスの第1層特徴ベクトルを得ることと、
ターゲットエンティティと候補エビデンスの第1層特徴ベクトル、及びターゲット属性値と候補エビデンスの第1層特徴ベクトルをそれぞれ2つの第2分類器に入力して、ターゲットエンティティと候補エビデンスの第2層特徴ベクトル、及びターゲット属性値と候補エビデンスの第2層特徴ベクトルを得ることと、
ターゲットエンティティと候補エビデンスの第2層特徴ベクトル、及びターゲット属性値と候補エビデンスの第2層特徴ベクトルを、全結合層にて処理した後に第3分類器に入力して、候補エビデンスの関連度を得ることと、を含む。
医療用言語資料に基づき予め訓練して得られた第2自然言語処理モデルと、2つの第2分類器と、全結合層と、第3分類器とを用いて関連度判定モデルを構築することと、
構築した関連度判定モデルを、正しい医療ファクトと支持的なエビデンス、及び正しい医療ファクトと支持的なエビデンスの関連度をそれぞれ含む複数の第2サンプルデータを用いて訓練することと、を含む。
複数の候補エビデンスのうち少なくとも1つの候補エビデンスの関連度が所定の閾値よりも大きい場合、検証されるべき医療ファクトが正しいことを検証し、かつ、少なくとも1つの候補エビデンスのうち、相関連度が最も高い候補エビデンスを医療ファクトが正しいことを検証する支持的なエビデンスとすること、を含む。
関連度が所定の閾値よりも大きい少なくとも1つの候補エビデンスが存在しない場合、医療ファクトが正しくないことを検証する。そのうち、関連度が所定の閾値よりも大きい少なくとも1つの候補エビデンスが存在しないことは、すべての候補エビデンスの関連度が所定の閾値よりも小さい、及び候補エビデンスはいずれも対応する関連度がない(即ち、ステップS102で得られた判定属性はいずれもターゲット属性値と一致しない)ことを含む。
ターゲットエンティティを「麻疹」、
ターゲット属性を「症状」、
ターゲット属性値を「斑状丘疹状皮疹」とする。
「S」を「麻疹」、
「P」を「症状」、
「O」を「斑状丘疹状皮疹」、
「label」を「1」、
「evidence」を「第五節 麻疹候補エビデンス「麻疹(measles)」は、麻疹ウイルス(measles virus)により引き起こされるウイルス感染症であり、我が国における法定感染症の中で乙類感染症に属し、その主な臨床症状に発熱、咳、鼻水などのカタル症状と目の結膜炎があり、特徴的な症状はコプリック斑及び斑状丘疹状皮疹である。」
このうち、labelは医療ファクトの検証結果を表し、label=1は検証が正しいことを表し、label=0は検証が間違っていることを表す。evidenceは医療ファクトが正しいことを検証する支持的なエビデンスを表す。そのため、上記の例において、検証されるべき医療ファクトSPO<麻疹、症状、斑状丘疹状皮疹>に対して、検証結果は正しく、かつ、『感染症学』第8版により上記evidenceの段を選択し、当該医療ファクト検証が正しいことの支持的なエビデンスとする。
ターゲットエンティティと、ターゲット属性と、ターゲット属性値とを含む、検証されるべき医療ファクト及び候補エビデンスを取得する第1取得モジュール501と、
ターゲットエンティティと、ターゲット属性値と、候補エビデンスとを属性判定モデルに入力して、判定属性を得る第1判定モジュール502と、
ターゲット属性と判定属性とが一致する場合に、ターゲットエンティティと、ターゲット属性値と、候補エビデンスとを関連度判定モデルに入力して、前記候補エビデンスの関連度を得る第2判定モジュール503と、
候補エビデンスの関連度が所定の条件を満たす場合に、検証されるべき医療ファクトが正しいことを検証する第1検証モジュール504と、を備える。
ターゲット属性と判定属性とが一致しない場合に、候補エビデンスにより検証されるべき医療ファクトが正しいことを検証できないと決定する第2検証モジュール601を備える。
図7に示すように、第1判定モジュール502は、
ターゲットエンティティと、ターゲット属性値と、候補エビデンスとを第1自然言語処理モデルに入力して、ターゲットエンティティと、ターゲット属性値と、候補エビデンスとの第1特徴ベクトルを得る特徴サブモジュール701と、
第1特徴ベクトルを第1分類器に入力して、判定属性を得る属性判定サブモジュール702と、を備える。
医療用言語資料に基づき予め訓練して得られた第1自然言語処理モデルと、第1分類器とを用いて、属性判定モデルを構築することと、
構築した属性判定モデルを、正しい医療ファクトと支持的なエビデンスをそれぞれ含む複数の第1サンプルデータを用いて訓練することと、を含む。
図8に示すように、第2判定モジュール503は、
ターゲットエンティティと、ターゲット属性値と、候補エビデンスとを第2自然言語処理モデルに入力して、ターゲットエンティティと候補エビデンスの第1層特徴ベクトル、及びターゲット属性値と候補エビデンスの第1層特徴ベクトルを得る第1層特徴サブモジュール801と、
ターゲットエンティティと候補エビデンスの第1層特徴ベクトル、及びターゲット属性値と候補エビデンスの第1層特徴ベクトルをそれぞれ2つの第2分類器に入力して、ターゲットエンティティと候補エビデンスの第2層特徴ベクトル、及びターゲット属性値と候補エビデンスの第2層特徴ベクトルを得る第2層特徴サブモジュール802と、
ターゲットエンティティと候補エビデンスの第2層特徴ベクトル、及びターゲット属性値と候補エビデンスの第2層特徴ベクトルを、全結合層にて処理した後に第3分類器に入力して、候補エビデンスの関連度を得る関連度判定サブモジュール803と、を備える。
医療用言語資料に基づき予め訓練して得られた第2自然言語処理モデルと、2つの第2分類器と、全結合層と、第3分類器とを用いて関連度判定モデルを構築することと、
構築した関連度判定モデルを、正しい医療ファクトと支持的なエビデンス、及び正しい医療ファクトと支持的なエビデンスの関連度をそれぞれ含む複数の第2サンプルデータを用いて訓練することと、を含む。
複数の候補エビデンスのうち少なくとも1つの候補エビデンスの関連度が所定の閾値よりも大きい場合、検証されるべき医療ファクトが正しいことを検証する検証サブモジュール901と、
少なくとも1つの候補エビデンスのうち、相関連度が最も高い候補エビデンスを医療ファクトが正しいことを検証する支持的なエビデンスとするエビデンスサブモジュール902と、を備える。
本発明に係る実施形態は、電子デバイスと非一過性のコンピュータ可読取記録媒体をさらに提供する。
Claims (17)
- ターゲットエンティティと、ターゲット属性と、ターゲット属性値とを含む、検証されるべき医療ファクト及び候補エビデンスを取得することと、
前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを属性判定モデルに入力して、判定属性を得ることと、
前記ターゲット属性と前記判定属性とが一致する場合に、前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを関連度判定モデルに入力して、前記候補エビデンスの関連度を得ることと、
前記候補エビデンスの関連度が所定の条件を満たす場合に、検証されるべき医療ファクトが正しいことを検証することと、を含む、
ことを特徴とする医療ファクト検証方法。 - 前記ターゲット属性と前記判定属性とが一致しない場合に、前記候補エビデンスにより前記検証されるべき医療ファクトが正しいことを検証できないと決定する、
ことを特徴とする請求項1に記載の医療ファクト検証方法。 - 前記属性判定モデルは、第1自然言語処理モデルと第1分類器とを含み、
前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを属性判定モデルに入力して、判定属性を得ることは、
前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを前記第1自然言語処理モデルに入力して、前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとの第1特徴ベクトルを得ることと、
前記第1特徴ベクトルを前記第1分類器に入力して、前記判定属性を得ることと、を含む、
ことを特徴とする請求項1に記載の医療ファクト検証方法。 - 前記属性判定モデルの構築方式は、
医療用言語資料に基づき予め訓練して得られた前記第1自然言語処理モデルと、前記第1分類器とを用いて、前記属性判定モデルを構築することと、
前記構築した属性判定モデルを、正しい医療ファクトと支持的なエビデンスをそれぞれ含む複数の第1サンプルデータを用いて訓練することと、を含む、
ことを特徴とする請求項3に記載の医療ファクト検証方法。 - 前記関連度判定モデルは、第2自然言語処理モデルと、2つの第2分類器と、全結合層と、第3分類器とを含み、
前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを関連度判定モデルに入力して、前記候補エビデンスの関連度を得ることは、
前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを前記第2自然言語処理モデルに入力して、前記ターゲットエンティティと前記候補エビデンスの第1層特徴ベクトル、及び前記ターゲット属性値と前記候補エビデンスの第1層特徴ベクトルを得ることと、
前記ターゲットエンティティと前記候補エビデンスの第1層特徴ベクトル、及び前記ターゲット属性値と前記候補エビデンスの第1層特徴ベクトルをそれぞれ前記2つの第2分類器に入力して、前記ターゲットエンティティと前記候補エビデンスの第2層特徴ベクトル、及び前記ターゲット属性値と前記候補エビデンスの第2層特徴ベクトルを得ることと、
前記ターゲットエンティティと前記候補エビデンスの第2層特徴ベクトル、及び前記ターゲット属性値と前記候補エビデンスの第2層特徴ベクトルを、前記全結合層にて処理した後に前記第3分類器に入力して、前記候補エビデンスの関連度を得ることと、を含む、
ことを特徴とする請求項1に記載の医療ファクト検証方法。 - 前記関連度判定モデルの構築方式は、
医療用言語資料に基づき予め訓練して得られた前記第2自然言語処理モデルと、前記2つの第2分類器と、前記全結合層と、前記第3分類器とを用いて前記関連度判定モデルを構築することと、
前記構築した関連度判定モデルを、正しい医療ファクトと支持的なエビデンス、及び正しい医療ファクトと支持的なエビデンスの関連度をそれぞれ含む複数の第2サンプルデータを用いて訓練することと、を含む、
ことを特徴とする請求項5に記載の医療ファクト検証方法。 - 前記候補エビデンスの関連度が所定の条件を満たす場合に、検証されるべき医療ファクトが正しいことを検証することは、
複数の候補エビデンスのうち少なくとも1つの候補エビデンスの関連度が所定の閾値よりも大きい場合、前記検証されるべき医療ファクトが正しいことを検証し、かつ、前記少なくとも1つの候補エビデンスのうち、前記関連度が最も高い候補エビデンスを前記医療ファクトが正しいことを検証する支持的なエビデンスとする、
ことを特徴とする請求項1に記載の医療ファクト検証方法。 - ターゲットエンティティと、ターゲット属性と、ターゲット属性値とを含む、検証されるべき医療ファクト及び候補エビデンスを取得する第1取得モジュールと、
前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを属性判定モデルに入力して、判定属性を得る第1判定モジュールと、
前記ターゲット属性と前記判定属性とが一致する場合に、前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを関連度判定モデルに入力して、前記候補エビデンスの関連度を得る第2判定モジュールと、
前記候補エビデンスの関連度が所定の条件を満たす場合に、検証されるべき医療ファクトが正しいことを検証する第1検証モジュールと、を備える、
ことを特徴とする医療ファクト検証装置。 - 前記ターゲット属性と前記判定属性とが一致しない場合に、前記候補エビデンスにより前記検証されるべき医療ファクトが正しいことを検証できないと決定する第2検証モジュールを備える
ことを特徴とする請求項8に記載の医療ファクト検証装置。 - 前記属性判定モデルは、第1自然言語処理モデルと第1分類器とを含み、
第1判定モジュールは、
前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを前記第1自然言語処理モデルに入力して、前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとの第1特徴ベクトルを得る特徴サブモジュールと、
前記第1特徴ベクトルを前記第1分類器に入力して、前記判定属性を得る属性判定サブモジュールと、を備える、
ことを特徴とする請求項8に記載の医療ファクト検証装置。 - 前記属性判定モデルの構築方式は、
医療用言語資料に基づき予め訓練して得られた前記第1自然言語処理モデルと、前記第1分類器とを用いて、前記属性判定モデルを構築することと、
前記構築した属性判定モデルを、正しい医療ファクトと支持的なエビデンスをそれぞれ含む複数の第1サンプルデータを用いて訓練することと、を含む、
ことを特徴とする請求項10に記載の医療ファクト検証装置。 - 前記関連度判定モデルは、第2自然言語処理モデルと、2つの第2分類器と、全結合層と、第3分類器とを含み、
第2判定モジュールは、
前記ターゲットエンティティと、前記ターゲット属性値と、前記候補エビデンスとを前記第2自然言語処理モデルに入力して、前記ターゲットエンティティと前記候補エビデンスの第1層特徴ベクトル、及び前記ターゲット属性値と前記候補エビデンスの第1層特徴ベクトルを得る第1層特徴サブモジュールと、
前記ターゲットエンティティと前記候補エビデンスの第1層特徴ベクトル、及び前記ターゲット属性値と前記候補エビデンスの第1層特徴ベクトルをそれぞれ前記2つの第2分類器に入力して、前記ターゲットエンティティと前記候補エビデンスの第2層特徴ベクトル、及び前記ターゲット属性値と前記候補エビデンスの第2層特徴ベクトルを得る第2層特徴サブモジュールと、
前記ターゲットエンティティと前記候補エビデンスの第2層特徴ベクトル、及び前記ターゲット属性値と前記候補エビデンスの第2層特徴ベクトルを、前記全結合層にて処理した後に前記第3分類器に入力して、前記候補エビデンスの関連度を得る関連度判定サブモジュールと、を備える、
ことを特徴とする請求項8に記載の医療ファクト検証装置。 - 前記関連度判定モデルの構築方式は、
医療用言語資料に基づき予め訓練して得られた前記第2自然言語処理モデルと、前記2つの第2分類器と、前記全結合層と、前記第3分類器とを用いて前記関連度判定モデルを構築することと、
前記構築した関連度判定モデルを、正しい医療ファクトと支持的なエビデンス、及び正しい医療ファクトと支持的なエビデンスの関連度をそれぞれ含む複数の第2サンプルデータを用いて訓練することと、を含む、
ことを特徴とする請求項12に記載の医療ファクト検証装置。 - 第1検証モジュールは、
複数の候補エビデンスのうち少なくとも1つの候補エビデンスの関連度が所定の閾値よりも大きい場合、前記検証されるべき医療ファクトが正しいことを検証する検証サブモジュールと、
前記少なくとも1つの候補エビデンスのうち、前記関連度が最も高い候補エビデンスを前記医療ファクトが正しいことを検証する支持的なエビデンスとするエビデンスサブモジュールと、を備える、
ことを特徴とする請求項8に記載の医療ファクト検証装置。 - 1つ又は複数のプロセッサと、
前記1つ又は複数のプロセッサに通信接続されるメモリとを備え、
前記メモリには、前記1つ又は複数のプロセッサにより実行可能なコマンドを記憶しており、
前記1つ又は複数のプロセッサは、前記1つ又は複数のコマンドを実行する場合、請求項1〜7のいずれか1項に記載の医療ファクト検証方法を実行させる、
ことを特徴とする電子デバイス。 - 請求項1〜7のいずれか1項に記載のターゲット検出方法をコンピュータに実行させるためのコンピュータコマンドを記憶した非一過性のコンピュータ可読記憶媒体。
- コンピュータにおいて、プロセッサにより実行される場合、請求項1〜7のいずれか1項に記載の医療ファクト検証方法を実現することを特徴とするプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010473438.7 | 2020-05-29 | ||
CN202010473438.7A CN111640511B (zh) | 2020-05-29 | 2020-05-29 | 医疗事实验证的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021190071A true JP2021190071A (ja) | 2021-12-13 |
JP7097423B2 JP7097423B2 (ja) | 2022-07-07 |
Family
ID=72329517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020193010A Active JP7097423B2 (ja) | 2020-05-29 | 2020-11-20 | 医療ファクト検証方法、医療ファクト検証装置、電子デバイス、記憶媒体、及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210374576A1 (ja) |
EP (1) | EP3916738B1 (ja) |
JP (1) | JP7097423B2 (ja) |
KR (1) | KR102456535B1 (ja) |
CN (1) | CN111640511B (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111473433B (zh) | 2020-04-14 | 2021-12-28 | 北京小米移动软件有限公司 | 一种新风空调系统及风口调节方法 |
CN112216359B (zh) * | 2020-09-29 | 2024-03-26 | 百度国际科技(深圳)有限公司 | 医疗数据校验方法、装置及电子设备 |
CN112509690B (zh) * | 2020-11-30 | 2023-08-04 | 北京百度网讯科技有限公司 | 用于控制质量的方法、装置、设备和存储介质 |
CN113220841B (zh) * | 2021-05-17 | 2023-11-17 | 北京百度网讯科技有限公司 | 确定鉴别信息的方法、装置、电子设备和存储介质 |
CN116383239B (zh) * | 2023-06-06 | 2023-08-15 | 中国人民解放军国防科技大学 | 一种基于混合证据的事实验证方法、系统及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190026638A1 (en) * | 2017-07-24 | 2019-01-24 | Boe Technology Group Co., Ltd. | Knowledge verification method, knowledge verification device and storage medium |
JP2019049964A (ja) * | 2017-06-30 | 2019-03-28 | アクセンチュア グローバル ソリューションズ リミテッド | 電子診療レコードからの医学的状態および事実の自動的特定および抽出 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10796390B2 (en) | 2006-07-03 | 2020-10-06 | 3M Innovative Properties Company | System and method for medical coding of vascular interventional radiology procedures |
CN107092605B (zh) * | 2016-02-18 | 2019-12-31 | 北大方正集团有限公司 | 一种实体链接方法及装置 |
US10380251B2 (en) | 2016-09-09 | 2019-08-13 | International Business Machines Corporation | Mining new negation triggers dynamically based on structured and unstructured knowledge |
EP3306501A1 (en) * | 2016-10-06 | 2018-04-11 | Fujitsu Limited | A computer apparatus and method to identify healthcare resources used by a patient of a medical institution |
CN106777966B (zh) * | 2016-12-13 | 2020-02-07 | 天津迈沃医药技术股份有限公司 | 基于医疗信息平台的数据互动训练方法及系统 |
US11024424B2 (en) * | 2017-10-27 | 2021-06-01 | Nuance Communications, Inc. | Computer assisted coding systems and methods |
CN108304933A (zh) * | 2018-01-29 | 2018-07-20 | 北京师范大学 | 一种知识库的补全方法及补全装置 |
CN109299285A (zh) | 2018-09-11 | 2019-02-01 | 中国医学科学院医学信息研究所 | 一种药物基因组学知识图谱构建方法及系统 |
CN109273098B (zh) * | 2018-10-23 | 2024-05-14 | 平安科技(深圳)有限公司 | 一种基于智能决策的药品疗效预测方法和装置 |
CN109783651B (zh) * | 2019-01-29 | 2022-03-04 | 北京百度网讯科技有限公司 | 提取实体相关信息的方法、装置、电子设备和存储介质 |
CN110334211A (zh) * | 2019-06-14 | 2019-10-15 | 电子科技大学 | 一种基于深度学习的中医诊疗知识图谱自动构建方法 |
CN110379520A (zh) * | 2019-06-18 | 2019-10-25 | 北京百度网讯科技有限公司 | 医疗知识图谱的挖掘方法及装置、计算机设备及可读介质 |
CN110390003A (zh) * | 2019-06-19 | 2019-10-29 | 北京百度网讯科技有限公司 | 基于医疗的问答处理方法及系统、计算机设备及可读介质 |
CN110263083B (zh) * | 2019-06-20 | 2022-04-05 | 北京百度网讯科技有限公司 | 知识图谱的处理方法、装置、设备和介质 |
CN110427486B (zh) * | 2019-07-25 | 2022-03-01 | 北京百度网讯科技有限公司 | 身体病况文本的分类方法、装置及设备 |
CN110675954A (zh) * | 2019-10-11 | 2020-01-10 | 北京百度网讯科技有限公司 | 信息处理方法及装置、电子设备、存储介质 |
-
2020
- 2020-05-29 CN CN202010473438.7A patent/CN111640511B/zh active Active
- 2020-11-20 JP JP2020193010A patent/JP7097423B2/ja active Active
- 2020-11-26 KR KR1020200160945A patent/KR102456535B1/ko active IP Right Grant
- 2020-12-23 US US17/132,704 patent/US20210374576A1/en active Pending
-
2021
- 2021-01-04 EP EP21150084.8A patent/EP3916738B1/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019049964A (ja) * | 2017-06-30 | 2019-03-28 | アクセンチュア グローバル ソリューションズ リミテッド | 電子診療レコードからの医学的状態および事実の自動的特定および抽出 |
US20190026638A1 (en) * | 2017-07-24 | 2019-01-24 | Boe Technology Group Co., Ltd. | Knowledge verification method, knowledge verification device and storage medium |
Also Published As
Publication number | Publication date |
---|---|
US20210374576A1 (en) | 2021-12-02 |
EP3916738B1 (en) | 2024-01-31 |
CN111640511A (zh) | 2020-09-08 |
EP3916738A1 (en) | 2021-12-01 |
KR102456535B1 (ko) | 2022-10-19 |
JP7097423B2 (ja) | 2022-07-07 |
CN111640511B (zh) | 2023-08-04 |
KR20210148813A (ko) | 2021-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7097423B2 (ja) | 医療ファクト検証方法、医療ファクト検証装置、電子デバイス、記憶媒体、及びプログラム | |
JP7223785B2 (ja) | 時系列ナレッジグラフ生成方法、装置、デバイス及び媒体 | |
US20210201198A1 (en) | Method, electronic device, and storage medium for generating node representations in heterogeneous graph | |
US20210407642A1 (en) | Drug recommendation method and device, electronic apparatus, and storage medium | |
KR102448129B1 (ko) | 엔티티 연결 방법, 장치, 기기 및 저장 매체 | |
US11847164B2 (en) | Method, electronic device and storage medium for generating information | |
JP7126542B2 (ja) | データセット処理方法、装置、電子機器及び記憶媒体 | |
JP7369740B2 (ja) | 検索語の推薦方法と装置、目的モデルの訓練方法と装置、電子デバイス、記憶媒体、及びプログラム | |
JP2021082308A (ja) | マルチモーダルコンテンツ処理方法、装置、機器及び記憶媒体 | |
EP3937032A1 (en) | Search result determination method, device, apparatus, and computer storage medium | |
WO2021114590A1 (zh) | 会话推荐方法、装置以及电子设备 | |
JP7269913B2 (ja) | ナレッジグラフ構築方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
US20140059038A1 (en) | Filtering structured data using inexact, culture-dependent terms | |
US20210357469A1 (en) | Method for evaluating knowledge content, electronic device and storage medium | |
US20210200813A1 (en) | Human-machine interaction method, electronic device, and storage medium | |
JP7285893B2 (ja) | 医療データ検証方法、装置及び電子機器 | |
JP2021103569A (ja) | セマンティック処理方法、装置、電子機器及び媒体 | |
WO2020000764A1 (zh) | 一种面向印地语的多语言混合输入方法及装置 | |
JP7300475B2 (ja) | エンティティ関係マイニング方法、装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム | |
US9158839B2 (en) | Systems and methods for training and classifying data | |
JP2021099890A (ja) | 因果関係の判別方法、装置、電子機器及び記憶媒体 | |
EP3848816A1 (en) | Method, apparatus, and storage medium for storing determinant text | |
US20210096814A1 (en) | Speech control method, speech control device, electronic device, and readable storage medium | |
US8504579B1 (en) | Filtering a data set using trees on a computing device | |
KR102523034B1 (ko) | 의료 충돌을 탐지하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220322 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220617 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220627 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7097423 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |