基于BERT-TextCNN的临床试验疾病亚型识别研究

摘要：

[目的]面向复杂疾病临床试验招募的需求,提出一种基于BERT-TextCNN的临床试验疾病亚型识别方法,辅助识别复杂疾病特定亚型的受试人群.[方法]将临床试验疾病亚型识别问题转化为单标签分类问题,应用基于BERT-TextCNN的单标签分类模型进行分类,以卒中为例在临床试验数据集(ClinicalTrials.gov)上开展实验验证.[结果]基于LP法的BERT-TextCNN模型性能最佳,加权宏平均F1值为0.905 3,可以有效判定一项卒中临床试验可纳入卒中亚型受试者情况.[局限]缺乏在其他单病种上的可行性研究,以及在外部数据集上的有效性验证.[结论]本文方法可以有效解决从纳入标准中准确识别复杂疾病亚型的问题.

关键词：临床试验、文本分类、BERT-TextCNN、卒中、疾病亚型

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：北京市自然科学基金重点研究专题项目Z200016

在线出版日期：2022-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：69-81