Ein graphenbasiertes Kernel basierend auf Kontextvektoren zur Extraktion von Arzneimittel–Arzneimittel-Interaktionen

Die klinische Erkennung von Arzneimittelwechselwirkungen (DDIs) ist eine entscheidende Herausforderung sowohl für die Patientensicherheit als auch für die Steuerung der Gesundheitskosten. Daher besteht dringender Bedarf an einer automatisierten Extraktion von DDIs aus biomedizinischer Literatur mittels Text-Mining-Techniken. Obwohl die führenden DDI-Systeme verschiedene Textmerkmale erforschen, können diese Merkmale bislang lange und komplexe Sätze nicht ausreichend erfassen. In diesem Artikel präsentieren wir einen effektiven Graphenkern, der verschiedene Kontexttypen optimal nutzt, um DDIs aus biomedizinischer Literatur zu identifizieren. In unserem Ansatz werden nicht nur Beziehungen zwischen benachbarten Wörtern, sondern auch zwischen weitreichenden Wörtern durch die graphische Darstellung einer syntaktisch analysierten Satzstruktur erfasst. Kontextvektoren eines Knotens – eine iterativ berechnete vektorielle Repräsentation aller markierten Knoten, sowohl benachbart als auch nicht benachbart – erfassen umfassend Informationen über direkte und indirekte Substrukturen. Darüber hinaus wird ein Graphenkern eingesetzt, der die Distanz zwischen Kontextvektoren berücksichtigt, um DDIs zu detektieren. Experimentelle Ergebnisse auf der DDIExtraction-2013-Korpus zeigen, dass unser System die bestmögliche Leistung bei der Erkennung und Klassifizierung von DDIs erzielt (F-Maß: 81,8 bzw. 68,4). Insbesondere für den Medline-2013-Datensatz übertrifft unser System die führenden DDI-Systeme hinsichtlich des F-Maßes um 10,7 bei der Erkennung und um 12,2 bei der Klassifizierung.