MEDICINE & AI

タイトル：A Character-level Convolutional Recurrent Interaction Network for joint traditional Chinese medicine clinical named entity recognition and relation extraction 雑誌名：Artif Intell Med. 2026 Feb 03; 175: 103372. 概　要： 本研究は、伝統中国医学（TCM）の電子医療記録（EMR）を対象に、臨床データの分析を行うための新しい手法を提案しています。TCMのEMRは、視診、聴診、問診、触診の4つの主要な次元に基づいて構成されており、これらの次元を考慮した自然言語処理によるデータの構造化が期待されています。従来の深層学習モデルは、これらの次元を考慮せず、古代中国語の意味的特徴を十分に理解していません。本研究では、臨床名詞認識と関係抽出を同時に行う手法を提案し、TCMの臨床エンティティ（場所や症状属性など）とそれらの関係を認識・分類します。提案する文字レベル畳み込み再帰相互作用ネットワーク（CCRIN）は、4つの診断次元を関係として扱い、場所を主エンティティ、症状属性を尾エンティティとして統合し、古代中国語の意味情報を捉えます。 方　法： 本研究では、文字レベル畳み込み再帰相互作用ネットワーク（CCRIN）を用いたコホート研究を実施しました。CCRINは、中国語の文字埋め込みと文字間の文脈畳み込み特徴ベクトルを統合し、自己注意メカニズムを用いてエンティティと関係の抽出を行います。これにより、TCMの4つの診断次元に関連するエンティティと関係の効率的な抽出が可能となります。 結　果： 実証研究では、NYTおよびTCMケースデータセットを用いて提案モデルの優位性が示されました。具体的な数値は記載されていませんが、提案手法は従来のモデルよりも高い精度でエンティティと関係を抽出することが確認されました。 結　論： CCRINは、TCMの臨床名詞認識と関係抽出において高い性能を示し、4つの診断次元を考慮した新たなアプローチとしての可能性を持っています。この手法は、TCMの医療データの構造化とモデル化に貢献することが期待されます。