[2L1-OS-25] OS-25

[2L1-OS-25-01] Optimization of Automated Screening for Drug-Related Systematic Reviews: Analysis of Abstract Components and Training Sample Size

〇Keisho Ikegami¹, Hayato Kizaki¹, Tatsuki Hasegawa¹, Shungo Imai¹, Masami Tsuchiya¹, Shuntaro Yada^2,3, Eiji Aramaki³, Satoko Hori¹ (1. Keio University, 2. University of Tsukuba, 3. Nara Institute of Science and Technology)

Keywords:Systematic Review, Pharmaceutical Science, Automated Screening

自然言語処理技術を用いた薬剤関連のシステマティックレビュー（SR）の文献自動スクリーニング最適化を目的とし，マクロライド系抗生物質の有害事象とプロポフォールの生存率に関する 2 つのSRを用いて，アブストラクト要素と学習文献報数が性能に与える影響を検討した．具体的には，論文タイトルとアブストラクトの4項目（背景，方法，結果，結論）から31通りの要素組み合せを作成し，それぞれの組み合わせで各SRの最終解析対象文献（190報・180報）を10報ずつ減少させた学習データセットを構築した．これらをBERT系列の事前学習済みモデルに学習させ，文献スクリーニングで重要となる再現率を重視したF10-scoreを用いて性能を評価した．タイトル・背景・結論の要素構成と特定の文献報数（180報/170報）の組み合わせにおいて，従来の全文献・全要素を用いた学習よりも高いF10-score（0.933/0.923）を示すモデルが構築された．本研究により，アブストラクト要素と学習文献報数の最適な選択が，効率的な自動スクリーニングモデル構築に有用であることが示唆された．