在临床决策支持中，识别特定药物对目标疾病的治疗效果条件至关重要。然而，现有的生物医学信息提取方法大多只关注药物与疾病之间的关系，忽视了这些关系适用的上下文条件。
为了解决这一问题，我们提出了从生物医学研究文献中提取药物-疾病关系的适用条件的任务。
我们创建了第一个数据集，手动标注了包含药物、疾病和适用条件的三元组，共包含 1,119 个药物-疾病对。利用该数据集，我们系统地评估了多种现有方法的性能。此外，我们提出了一种新的方法，通过增强 LoRA 来考虑药物与疾病之间的关系。我们的实验结果表明，该方法在不同的评估设置中始终优于强基线。
源代码和数据集可从以下链接获取：GitHub Repository。
博主点评： 该研究填补了药物-疾病关系提取领域的空白，通过引入适用条件的概念，为临床应用提供了更具针对性的支持。这种方法的提出，有助于进一步推动生物医学文本挖掘的研究进展。