문헌에서 풍부한 특징 기반 선형 커널 방법을 이용한 약물-약물 상호작용 추출

알 수 없는 약물 상호작용을 식별하는 것은 부작용 약물 반응의 조기 탐지에 매우 유익하다. 약물-약물 상호작용(Drug-Drug Interaction, DDI) 정보를 제공하는 여러 자원이 존재하지만, 이러한 정보의 대부분은 지수적으로 증가하는 비구조화된 의료 텍스트 속에 묻혀 있다. 이에 따라 DDIs를 탐지하기 위한 텍스트 마이닝 기술의 개발이 시급하다. 최신의 DDI 추출 방법은 문헌 내 다양한 맥락을 탐색하기 위해 비선형 복합 커널을 사용한 서포트 벡터 머신(Support Vector Machines, SVMs)을 활용한다. 비록 계산 비용이 낮은 선형 커널 기반 시스템은 DDI 추출 과제에서 비교적 낮은 성능을 보였지만, 본 연구에서는 선형 커널을 활용한 효율적이고 확장 가능한 시스템을 제안한다. 제안된 접근법은 두 단계로 구성된다: 첫째, DDI를 식별하고, 둘째, 예측된 약물 쌍에 대해 네 가지 다른 DDI 유형 중 하나를 할당하는 것이다. 본 연구에서는 풍부한 어휘적 및 문법적 특징을 갖춘 선형 SVM 분류기가 DDI 탐지에서 경쟁력 있는 성능을 달성할 수 있음을 입증한다. 또한, DDI 유형 분류에서 발생하는 불균형 문제를 해결하는 데 있어 one-against-one 전략이 매우 중요한 역할을 함을 확인하였다. DDIExtraction 2013 코퍼스에 적용한 결과, 본 시스템은 0.670의 F1 스코어를 기록하였으며, 이는 DDIExtraction 2013 챌린지에 참가한 상위 두 팀이 보고한 0.651 및 0.609의 F1 스코어보다 높은 성능을 나타낸다. 이 두 팀 모두 비선형 커널 기반 방법을 사용하였다.