Календарь дайджеста

Сентябрь 2018
ПН ВТ СР ЧТ ПТ СБ ВС
 << <   > >> 
          1 2
3 4 5 6 7 8 9
10 11 12 13 14 15 16
17 18 19 20 21 22 23
24 25 26 27 28 29 30
             
Таргетное секвенирование ткани опухоли больных немелкоклеточным плоскоклеточным раком легкого в Российской Федирации

Новости онкологии

14 сентября 2018

Нейронную сеть обучили распознавать жалобы на лекарства в соцсетях

Группа российских исследователей обучила нейронную сеть анализировать мнения пользователей соцсетей об эффектах лекарств. Основной целью ученых было преодолеть терминологический разрыв между пациентами и профессионалами в области здравоохранения.

Нейронную сеть обучили распознавать жалобы на лекарства в соцсетях

В рамках исследования ученые на примерах базы данных на английском языке обучили нейронную сеть превращать текст, написанный на языке социальных сетей (например, «не могу заснуть всю ночь» или «слегка кружится голова»), в формальный медицинский язык (к примеру, «бессонница» и «головокружение» соответственно).

Такая задача выходит за рамки простого сопоставления естественных выражений с элементами словаря: проблема в том, что сообщения пользователей могут вообще не пересекаться с медицинскими терминами.

Результаты опубликованы в Journal of Biomedical Informatics.

Социальные сети – практически неисчерпаемый источник мнений по широкому кругу вопросов. Люди пишут о своей работе, отношениях и, в том числе, жалуются на проблемы со здоровьем. По сути, социальные сети предоставляют огромные наборы данных мнений вместе с демографической информацией и другими данными о пользователе.

Хотя ученые часто используют интеллектуальный анализ текстов (text mining) в социальных сетях для перепрофилирования лекарств и генерации гипотез (первые работы по этой теме вышли в 2010 году), мало кто сопоставлял пользовательские фразы с профессиональными терминами. Задача сопоставления упомянутого пользователем заболевания с конкретным медицинским термином называется нормализацией медицинских концептов. Сложность в том, что профессиональная медицинская лексика редко совпадает с повседневной, которую используют люди в общении. Чтобы решить эту проблему, российские исследователи использовали последовательное обучение рекуррентных нейронных сетей и семантическое представление однословных и многословных выражений.

«В работе мы сфокусировались на мнениях пациентов о влиянии лекарств», – объясняет научный сотрудник лаборатории нейронных систем и глубокого обучения МФТИ Валентин Малых.

«Важность работы определяется постоянно растущей потребностью в анализе текстовых данных. Мы живем в условиях информационного взрыва, когда количество информации удваивается каждые несколько лет, и человек или даже коллектив людей уже не способен обработать все доступные данные. В нашем проекте используются методы анализа текстов и машинное обучение для извлечения полезной информации из доступных данных, как, например, в этом случае, где мы извлекали упоминания о побочных лекарственных реакциях из сообщений, которые люди пишут в социальных сетях», – добавляет старший научный сотрудник Лаборатории хемоинформатики и молекулярного моделирования Казанского федерального университета Елена Тутубалина.

По мнению авторов работы, непрерывное развитие и улучшение точности интеллектуального анализа текстов сообщений пациентов в социальных сетях окажет значительное влияние на изучение влияния лекарств на организм, повторное назначение лекарств и понимание лекарственных эффектов в контексте других факторов, таких как одновременный прием разных препаратов, диеты и образа жизни.

В исследовании принимали участие ученые Казанского федерального университета (КФУ), НИЦ «Курчатовский институт», Первого МГМУ им. И.М. Сеченова, Санкт-Петербургского отделения Математического института им. В.А. Стеклова РАН (ПОМИ РАН) и Московского физико-технического института (МФТИ). Работа была поддержана грантом Российского научного фонда и направлена на развитие подобных технологий для анализа русскоязычного текста.

Источник: mipt.ru

Согласен Данный веб-сайт содержит информацию для специалистов в области медицины. В соответствии с действующим законодательством доступ к такой информации может быть предоставлен только медицинским и фармацевтическим работникам. Нажимая «Согласен», вы подтверждаете, что являетесь медицинским или фармацевтическим работником и берете на себя ответственность за последствия, вызванные возможным нарушением указанного ограничения. Информация на данном сайте не должна использоваться пациентами для самостоятельной диагностики и лечения и не может быть заменой очной консультации врача.

Сайт использует файлы cookies для более комфортной работы пользователя. Продолжая просмотр страниц сайта, вы соглашаетесь с использованием файлов cookies, а также с обработкой ваших персональных данных в соответствии с Политикой конфиденциальности.