An Automatic and End-to-End System for Rare Disease Knowledge Graph Construction_autord: an automatic and end-to-end system for rar-优快云博客

本文是LLM系列文章，针对《AutoRD: An Automatic and End-to-End System for Rare Disease Knowledge Graph Construction Based on Ontologies-enhanced Large Language Models》的翻译。

AutoRD：一种基于本体论增强的大型语言模型的罕见病知识图谱自动端到端构建系统

摘要
目标
背景和意义
材料和方法
结果
讨论
结论

摘要

目标
我们的目标是创建一个名为AutoRD的端到端系统，该系统可以自动从罕见病的临床文本中提取信息。我们进行了各种测试来评估AutoRD的性能，并在本文中强调了其优势和局限性。
材料和方法
我们的系统AutoRD是一个涉及数据预处理、实体提取、关系提取、实体校准和知识图谱构建的软件管道。我们使用从开源医学本体开发的大型语言模型和医学知识图谱来实现这一点。我们在实体提取、关系提取和知识图谱构建性能方面对我们的系统进行了定量评估。
结果
AutoRD的F1总分为47.3%，与基础LLM相比提高了14.4%。详细地说，AutoRD实现了56.1%的整体实体提取F1得分（rare_desise:83.5%，疾病：35.8%，症状和体征：46.1%，回指：67.5%），总体关系提取F1得分为38.6%（产生：34.7%，增加风险：12.4%，is_a:37.4%，is-acronym:44.1%，is_synonym:116.3%，回指57.5%）。我们的定性实验还表明，在构建知识图方面的性能是值得称赞的。
讨论
AutoRD展示了LLM在罕见病检测中的应用潜力。这种改进归功于几个设计，包括集成了本体增强的LLM。
结论
AutoRD是一种从文本中提取罕见病信息以构建知识图谱的自动化端到端系统。它使用本体论增强的LLM来建立强大的医学知识库。AutoRD的优越性能通过实验评估得到了验证，证明了LLM在医疗保健中的潜力。