Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

PMOA-TTS: Introducing the PubMed Open Access Textual Times Series Corpus

Created by
  • Haebom

저자

Shahriar Noroozizadeh, Sayantan Kumar, George H. Chen, Jeremy C. Weiss

개요

PMOA-TTS는 124,699개의 PubMed Open Access (PMOA) 증례 보고서를 LLM 기반 파이프라인을 통해 구조화된 (사건, 시간) 타임라인으로 변환한 최초의 공개 데이터셋입니다. Llama 3.3과 DeepSeek R1을 사용하여 단일 환자 증례 보고서를 식별하고, 프롬프트 기반 추출을 통해 560만 개 이상의 타임스탬프가 찍힌 임상 사건을 추출했습니다. 임상의가 큐레이션한 참조 집합을 사용하여 이벤트 일치율(코사인 유사도 임계값 0.1에서 80% 일치), 시간 일치도(c-index > 0.90), 타임스탬프 정렬을 위한 AULTC(Area Under the Log-Time CDF) 세 가지 지표로 타임라인의 품질을 평가했습니다. 추출된 타임라인의 임베딩은 생존 예측 작업에서 최대 0.82 ± 0.01의 시간 의존적 일치 지수를 달성하여 시간적으로 구조화된 서술의 예측 값을 보여줍니다. PMOA-TTS는 생의학 NLP에서 타임라인 추출, 시간 추론 및 종단 연구 모델링을 위한 확장 가능한 기반을 제공합니다. 데이터셋은 https://huggingface.co/datasets/snoroozi/pmoa-tts 에서 이용 가능합니다.

시사점, 한계점

시사점:
대규모의 공개적으로 이용 가능한 시간 주석이 달린 임상 서술 데이터셋을 제공합니다.
LLM 기반 파이프라인을 활용하여 시간 정보 추출의 확장성을 입증합니다.
추출된 타임라인의 높은 정확도와 생존 예측에서의 예측력을 보여줍니다.
생의학 NLP 분야에서 시간 추론 및 종단 연구 모델링 연구에 기여할 수 있습니다.
한계점:
LLM 기반 접근 방식의 신뢰도 및 일반화 성능에 대한 추가 연구가 필요할 수 있습니다.
데이터셋의 품질 평가에 사용된 참조 집합의 규모와 대표성에 대한 논의가 필요합니다.
다양한 임상 설정 및 환자 인구에 대한 데이터셋의 일반화 성능에 대한 추가 검증이 필요합니다.
👍