ForeSCITE：用语义时间轨迹预测生物医学发现

论文用语义时间轨迹引导生成生物医学假设，专家筛出37个候选。

资讯摘要

论文提出 ForeSCITE 框架，利用已发表生物医学结论的语义表征中的时间模式来引导假设生成。作者从约三百万条截止日期前的结论中构建 407 个主题聚类，估计区分早期与近期发现的方向，并将结论嵌入沿该方向投影，再由训练用于重建结论的嵌入语言模型解码为自然语言假设。回顾性时间切片评估显示，其语义覆盖、实体对新颖性等指标优于五种基于提示和检索增强的基线；专家评审 CAR-T 假设时识别出 37 个新颖且生物学上合理的候选。

要点速读

1. ForeSCITE 从约三百万条结论中构建 407 个主题聚类，估计早期与近期发现之间的语义方向并投影解码为假设。
2. 时间切片回顾评估中，其语义覆盖、生物医学实体对新颖性和截止后配对再观察优于五种提示与检索增强基线。
3. 专家评审优先 CAR-T 假设，识别出 37 个既新颖又具生物学合理性的候选，并给出五个假设的依据。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。