[論文レビュー] Discovering associations in COVID-19 related research papers

Iztok Fister, Karin Ljubic Fister+1 more|arXiv (Cornell University)|Apr 6, 2020

Data Mining Algorithms and Applications参考文献 10被引用数 7

ひとこと要約

本研究では、CORD-19データセットに含まれるCOVID-19関連研究の要約を対象に、関連ルールテキストマイニング（ARTM）と情報地図法を用いて、メトロ地図可視化を通じてキーワードと関係性を抽出した。その結果、特にウイルス関連、臨床的症状、公衆衛生対策に関連する用語の研究が、歴史的に指数関数的に増加しており、MERSなどの流行期にピークに達し、科学的出力の増加と相関していることが明らかになった。

ABSTRACT

A COVID-19 pandemic has already proven itself to be a global challenge. It proves how vulnerable humanity can be. It has also mobilized researchers from different sciences and different countries in the search for a way to fight this potentially fatal disease. In line with this, our study analyses the abstracts of papers related to COVID-19 and coronavirus-related-research using association rule text mining in order to find the most interestingness words, on the one hand, and relationships between them on the other. Then, a method, called information cartography, was applied for extracting structured knowledge from a huge amount of association rules. On the basis of these methods, the purpose of our study was to show how researchers have responded in similar epidemic/pandemic situations throughout history.

研究の動機と目的

• テキストマイニング手法を用いて要約を分析することで、COVID-19研究における繰り返し現れるテーマと関係性を同定すること。
• 過去の流行およびパンデミックが、ウイルス学および公衆衛生分野における科学的出力に歴史的にどのように影響を与えたかを調査すること。
• 情報地図法を用いて、科学文献からの複雑な関連性を体系的かつ視覚的に要約する知識抽出手法を開発すること。
• MEDLINEデータベース内の歴史的生物医学文献と照合することで、抽出した用語の関連性を検証すること。
• 特定用語の頻度が、時間の経過とともに主要なウイルス性感染症の流行と相関しているかどうかを評価すること。

提案手法

• 句読 punctuation、ストップワード、語形変化形を除去することで、要約の前処理を行い、意味のある用語を抽出する。
• 項⽬頻度/逆項⽬頻度（TF/ITF）重み付けを適用し、頻度と希少性に基づいて最も顕著な用語を特定する。
• ARTMを用いて、要約内の共起パターンを捉える用語間の関連ルールを生成する。
• 複雑さを軽減し、解釈可能性を向上させるために、複数の前件と結果を持つルールを単一の前件・単一の結果を持つルールに簡略化する。
• 簡略化されたルールから有向語グラフを構築し、ノードを用語、エッジを関連性として定義する。
• 進化計算アルゴリズムを用いて、語グラフからメトロ地図可視化を生成し、用語を整合性のあるテーマ的ラインに整理して、知識探索を支援する。

実験結果

リサーチクエスチョン

• RQ1 COVID-19研究の要約に現れるキーワードとその関連性は、過去のパンデミックへの歴史的対応をどのように反映しているか？
• RQ2 特定の研究用語の頻度は、MERS や SARS などの記録されたウイルス性感染症の流行とどの程度相関しているか？
• RQ3 情報地図法は、大規模な科学的テキストマイニングから得られた複雑な知識構造を効果的に要約・可視化できるか？
• RQ4 臨床的症状、ウイルス学、公衆衛生対策に関連する用語は、新規のウイルス的脅威の出現に応じて時間の経過とともに頻度が増加しているか？
• RQ5 パンデミック関連トピックに関する科学的文献の歴史的傾向は何か？また、主要な流行事象とどのように一致しているか？

主な発見

• 1955年から2019年までの間に、'ウイルス'、'隔離'、'H7N9' といった用語を含む科学論文の数は指数関数的に増加しており、主な流行期に著しいピークが観察された。
• 2013年には、当時広くプレプリント文化が存在しなかったにもかかわらず、MERSの流行と相関する著しい研究出力の増加が見られた。
• 最良のメトロ地図で得られた44の高適合度用語のうち、26は非医学的用語を除外した後も保持された。
• 'ミトコンドリア'、'偽構造'、'換気'、'不活性化' といった用語は、ウイルス学的および臨床的研究テーマと強く関連していた。
• SARS-CoV-2パンデミックに先行し、その期間中に、ウイルス病原性、宿主応答、公衆衛生対策関連用語の頻度が著しく増加した。
• MEDLINEデータベースにおいて抽出した用語をキーワードとして用いることで、関連する要約の数が増加し、本手法が歴史的に関連性のある研究テーマを効果的に同定できることを確認した。