EliXR: 適格基準の抽出と表現へのアプローチ

目的: 臨床研究の適格基準に対する意味論的表現を開発し、適格基準テキストから半構造化情報抽出を自動化すること。材料と方法: http://ClinicalTrials.gov から無作為に選ばれた1000の適格基準の中に共通の意味論的パターンを発見するために、構文解析とツリーパターンマイニングを統合した適格基準の抽出と表現（EliXR）と呼ばれる分析パイプラインが開発された。意味論的パターンは集約され、医療用語体系の意味知識で強化され、臨床研究の適格基準のための意味論的表現が形成された。結果: 著者は175の意味論的パターンに到達し、これは意味ネットワーク内の頻繁な意味関係によって結ばれた12の意味役割ラベルを形成する。評価: 3人の評価者が12のトップレベルの意味役割ラベルを使用して79のテスト用適格基準の全ての文セグメント（N=396）に独立に注釈を付けた。文セグメントの86％（339）が全員によって正しくラベル付けされ、13.8％（55）が2人の評価者によって正しくラベル付けされた。Fleiss' κは0.88で、ほぼ完璧な評価者間の一致を示している。結論: この研究は、臨床研究の適格基準テキストにおけるトップレベルの情報構造とよく一致する意味ネットワークを開発するための半自動化されたデータ駆動型アプローチを提示し、結果として得られた意味役割ラベルを使用してほぼ完璧な評価者間の信頼性を持つ半構造化適格基準を生成する可能性を実証している。