Il Modello AI BioHiCL Migliora il Recupero di Informazioni Biomediche Utilizzando l'Apprendimento Contrastivo Gerarchico

Un nuovo modello di intelligenza artificiale chiamato BioHiCL è stato sviluppato per migliorare il recupero di informazioni biomediche sfruttando le annotazioni gerarchiche MeSH per una supervisione strutturata nell'apprendimento contrastivo multi-label. Il sistema affronta le limitazioni dei recuperatori generativi biomedici esistenti che si basano su segnali di rilevanza binari grossolani, che non riescono a catturare adeguatamente la sovrapposizione semantica tra i testi. Sono state create due versioni del modello: BioHiCL-Base con 0,1 miliardi di parametri e BioHiCL-Large con 0,3 miliardi di parametri. Questi modelli dimostrano prestazioni promettenti in molteplici compiti biomedici, tra cui recupero, valutazione della similarità delle frasi e risposta alle domande, mantenendo al contempo l'efficienza computazionale per un impiego pratico. La ricerca è stata pubblicata su arXiv, una piattaforma per preprint scientifici, nelle categorie informatica e recupero delle informazioni. Il framework utilizza arXivLabs, che consente ai collaboratori della comunità di sviluppare e condividere funzionalità sperimentali rispettando i valori di apertura, eccellenza comunitaria e privacy dei dati degli utenti. Il recupero di informazioni biomediche richiede una modellazione sofisticata della semantica specifica del dominio e delle relazioni gerarchiche tra i testi, che BioHiCL affronta attraverso il suo approccio innovativo all'apprendimento contrastivo. L'efficienza computazionale del sistema lo rende adatto all'implementazione nel mondo reale nella ricerca biomedica e nei sistemi informativi.