臨床領域のための多層的時間モデリング

目的：臨床領域のためのオープンソースの時間関係発見システムを開発すること。このシステムは、多層的モデリング戦略を使用して、イベントと時間表現の間の時間関係を自動的に推測することができます。粗い時間的関連から文書作成時間（DCT）、時間的包含、そして精密なアレンスタイルの関係まで、異なる粒度のレベルで動作することができます。材料と方法：私たちは、2つの臨床コーパスでシステムを評価しました。1つは、SemEval 2015 Task 6: Clinical TempEvalで使用された、「あなたの医療イベントの時間的履歴（THYME）」コーパスのサブセットです。もう1つは、2012年のバイオロジーとベッドサイド統合のための情報学（i2b2）チャレンジコーパスです。DCTの関係と文内の時間的関係を算出するために、複数の教師あり機械学習モデルを設計しました。i2b2データについては、文をまたいだ時間的関係を認識するためのモデルおよびルールベースの手法も開発しました。両方のチャレンジの公式評価スクリプトを使用して、私たちの結果を他の参加システムの結果と比較可能にしました。さらに、システムの性能に対するさまざまな特徴の寄与を調べるために、特徴アブレーションスタディを実施しました。結果：私たちのシステムは、Clinical TempEvalコーパスで最先端の性能を達成し、i2b2 2012コーパスでも最高のシステムと同等の性能を示しました。特に、Clinical TempEvalコーパスでは、私たちのシステムは新しいF1スコアのベンチマークを確立し、ベースラインおよび最高の参加システムと比較して統計的に有意でした。結論：ここに示されたのは、最初のオープンソースの臨床時間的関係発見システムです。このシステムは、多層的時間モデリング戦略を用いて構築され、2つの主要な共有タスクで最高の性能を達成しました。