ابتكار قاعدة معرفية قائمة على الأدلة لتحسين فهم الأمراض: تعرف على EvidenceNet!
تم تطوير EvidenceNet كقاعدة بيانات متخصصة تجمع بين الأدلة الطبية من الأدبيات الكاملة، مما يعزز قدرة النماذج اللغوية لمعالجة المعلومات الصحية. هذه الأداة ستشكل مستقبل البحث الطبي وتحسين الفهم للكثير من الأمراض.
في عالم البحث الطبي المتطور، يواجه العلماء تحديًا كبيرًا في معالجة وفهم كميات هائلة من المعلومات الصحية. غالبًا ما يتم حفظ هذه المعلومات كنصوص غير منظمة، أو يتم تبسيطها إلى ثلاثيات مسطحة تفقد العديد من التفاصيل الأساسية مثل تصميم الدراسة وموثوقية البيانات. هنا يأتي دور مشروع EvidenceNet، الذي يعد خطوة مبتكرة نحو إنشاء قاعدة بيانات معرفية قائمة على الأدلة تستهدف الأمراض المحددة وتستفيد من الأدبيات الطبية الكاملة.
تم تصميم EvidenceNet بحيث يتضمن مجموعة من الأدلة المعتمدة على تجارب حقيقية، مقسمة إلى سجلات هيكلية ترتبط بتمثيلات بيانية، مما يتيح للباحثين الوصول إلى المعلومات بسرعة وسهولة. يستخدم EvidenceNet عملية مستندة إلى نماذج لغوية كبيرة (Large Language Models) لاستخراج النتائج التجريبية وتحويلها إلى سجلات قابلة للهندسة الهيكلية.
تشمل المجموعة الأولى من EvidenceNet المسماة EvidenceNet-HCC، على 7,872 سجلاً للأدلة وبيانات بيانية تحتوي على 10,328 عقدة و49,756 حافة، بينما تحتوي المجموعة الثانية EvidenceNet-CRC على 6,622 سجلاً ورسم بياني مع 8,795 عقدة و39,361 حافة.
كشفت عمليات التحقق التقنية عن دقة عالية، حيث حققت الدقة في استخراج المعلومات 98.3%، بينما كانت دقة ربط الكيانات عالية الثقة 100%. تُظهر التحليلات المتقدمة أن هذه البيانات تدعم التطبيقات مثل أسئلة الإجابة المعززة بالاسترجاع، والمهام المبنية على الرسوم البيانية، مما يجعل EvidenceNet أداة مثالية لتحليل البيانات المعتمدة على الأدلة وإعادة استخدامها في مجالات مختلفة.
تم تصميم EvidenceNet بحيث يتضمن مجموعة من الأدلة المعتمدة على تجارب حقيقية، مقسمة إلى سجلات هيكلية ترتبط بتمثيلات بيانية، مما يتيح للباحثين الوصول إلى المعلومات بسرعة وسهولة. يستخدم EvidenceNet عملية مستندة إلى نماذج لغوية كبيرة (Large Language Models) لاستخراج النتائج التجريبية وتحويلها إلى سجلات قابلة للهندسة الهيكلية.
تشمل المجموعة الأولى من EvidenceNet المسماة EvidenceNet-HCC، على 7,872 سجلاً للأدلة وبيانات بيانية تحتوي على 10,328 عقدة و49,756 حافة، بينما تحتوي المجموعة الثانية EvidenceNet-CRC على 6,622 سجلاً ورسم بياني مع 8,795 عقدة و39,361 حافة.
كشفت عمليات التحقق التقنية عن دقة عالية، حيث حققت الدقة في استخراج المعلومات 98.3%، بينما كانت دقة ربط الكيانات عالية الثقة 100%. تُظهر التحليلات المتقدمة أن هذه البيانات تدعم التطبيقات مثل أسئلة الإجابة المعززة بالاسترجاع، والمهام المبنية على الرسوم البيانية، مما يجعل EvidenceNet أداة مثالية لتحليل البيانات المعتمدة على الأدلة وإعادة استخدامها في مجالات مختلفة.
