バングラ医学エンティティ認識のためのマルチBERTアンサンブルアプローチ
カテゴリ：医療現場の業務効率化
公開日：2026年2月27日
タイトル：Bangla MedER: Multi-BERT ensemble approach for the recognition of Bangla medical entity
雑誌名：PLoS One. 2026; 21(2): e0342558. doi: 10.1371/journal.pone.0342558. Epub 2026 Feb 26.
概 要：
本研究は、バングラ語の医療エンティティ認識（MedER）に関するもので、医療コーパスから意味のあるエンティティを抽出する重要な自然言語処理（NLP）タスクです。英語においては多くの研究が行われていますが、リソースが限られた言語であるバングラ語は未開拓の領域です。本研究では、BERT、DistilBERT、ELECTRA、RoBERTaなどのトランスフォーマーモデルを検討し、マルチBERTアンサンブルアプローチを提案しました。このアプローチは、単層BERTモデルに対して11.80%の精度向上を示し、最高精度89.58%を達成しました。また、バングラMedERタスクに特化した高品質のデータセットを開発し、モデルの有効性を評価しました。
方 法：
本研究では、バングラ語の医療エンティティ認識のために、BERT、DistilBERT、ELECTRA、RoBERTaなどの複数のトランスフォーマーモデルを評価しました。さらに、マルチBERTアンサンブルアプローチを提案し、これを用いてモデルの性能を評価しました。高品質のデータセットを開発し、複数のパフォーマンス指標を用いてモデルの有効性を検証しました。
結 果：
提案したマルチBERTアンサンブルアプローチは、単層BERTモデルに対して11.80%の精度向上を達成し、最高精度89.58%を記録しました。開発したデータセットを用いた評価により、モデルの堅牢性と適用性が示されました。
結 論：
マルチBERTアンサンブルモデルは、バングラ語の医療エンティティ認識の改善に寄与する可能性があり、リソースが限られた医療NLPのさらなる進展の基盤を築くことが期待されます。