Automatische Datenextraktion zur Unterstützung der statistischen Analyse von Meta-Analysen: eine Fallstudie zu Brustkrebs

HINTERGRUND: Meta-Analysen fassen die Ergebnisse verschiedener klinischer Studien zusammen, um die Wirksamkeit einer Behandlung zu bewerten. Trotz ihrer Bedeutung sind Meta-Analysen zeitaufwändig und arbeitsintensiv, da sie das Lesen von Hunderten von Forschungsartikeln und die Datenextraktion erfordern. Die Anzahl der Forschungsartikel steigt schnell an, und die meisten Meta-Analysen sind kurz nach der Veröffentlichung veraltet, da neue Beweise nicht einbezogen wurden. Die automatische Extraktion von Daten aus Forschungsartikeln kann den Meta-Analyse-Prozess beschleunigen und automatische Aktualisierungen ermöglichen, wenn neue Ergebnisse verfügbar werden. In dieser Studie schlagen wir ein System zur automatischen Datenextraktion aus Forschungszusammenfassungen und zur Durchführung statistischer Analysen vor. MATERIALIEN UND METHODEN: Unser Korpus besteht aus 1011 PubMed-Zusammenfassungen von randomisierten kontrollierten Studien zu Brustkrebs, die mit den Kernelementen klinischer Studien beschriftet sind: Teilnehmer, Intervention, Kontrolle und Ergebnisse (PICO). Wir schlugen ein BERT-basiertes Modell zur Benennung von Entitäten (NER) vor, um PICO-Informationen aus Forschungszusammenfassungen zu identifizieren. Nach der Extraktion der PICO-Informationen parsen wir numerische Ergebnisse, um die Anzahl der Patienten mit bestimmten Ergebnissen für die statistische Analyse zu identifizieren. ERGEBNISSE: Das NER-Modell extrahierte PICO-Elemente mit relativ hoher Genauigkeit und erreichte F1-Werte von über 0,80 bei den meisten Entitäten. Wir bewerteten die Leistung des vorgeschlagenen Systems, indem wir die Ergebnisse einer bestehenden Meta-Analyse reproduzierten. Der Schritt der Datenextraktion erzielte eine hohe Genauigkeit, während der Schritt der statistischen Analyse eine niedrige Leistung aufwies, da Zusammenfassungen manchmal nicht alle erforderlichen Informationen enthalten. SCHLUSSFOLGERUNG: Wir schlugen ein System zur automatischen Datenextraktion aus Forschungszusammenfassungen und zur Durchführung statistischer Analysen vor. Wir bewerteten die Leistung des Systems, indem wir eine bestehende Meta-Analyse reproduzierten, und das System erzielte eine relativ gute Leistung, obwohl mehr Untermauerung erforderlich ist.