文献

J-GLOBAL ID：201802266295940963   整理番号：18A0161570

医薬品安全性監視における有害事象の自動分類【Powered by NICT】

Automated classification of adverse events in pharmacovigilance

著者 (4件)： Dev Shantanu (Artificial Intelligence Accelerator, PricewaterhouseCoopers Advisory, Chicago, IL USA) ,  Zhang Shinan (Artificial Intelligence Accelerator, PricewaterhouseCoopers Advisory, New York, NY USA) ,  Voyles Joseph (Artificial Intelligence Accelerator, PricewaterhouseCoopers Advisory, Louisville, KY USA) ,  Rao Anand S. (Artificial Intelligence Accelerator, PricewaterhouseCoopers Advisory, Boston, MA USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 905-909  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 有害事象(AE)はヘルスケアにおける重大な関心事となっている,罹患率と死亡率の主要原因[12]である。食品医薬品局(FDA)によれば,2006と2014年の間に,[13]死亡率の原因となっていることが報告されているAE症例で232%増加した。実際,FDAに報告されたすべてのAE症例の体積は1997年以来ほぼ五倍に増加した[13]。製薬会社は個々の症例のマニュアル伐採により増加した症例数を扱うために奮闘している。AE症例記録指数関数的に増加の体積を見るので,これは持続可能な解決策ではない[12,13]。本論文では,医薬品安全性監視自動化解を実現するための著者らの研究と所見を考察した。この解は重大な対軽度有害事象物語ログを同定することができである機械学習技術を検討した。筆者らの方法論を開発する一方,伝統的な機械学習と深層学習技術双方を検討した。最終モデルは95%の平均F1スコアとAEケース記述にMCCスコア0.80を達成した。~1Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 自動化 ,  *自動分類 ,  伐木 ,  マニュアル ,  機械学習 ,  CASE ,  死亡率 ,  米国食品医薬品局 ,  指数関数
準シソーラス用語： スコア ,  深層学習 ,  機械学習技術 ,  物語 ,  *有害事象 ,  *医薬品安全性監視 , 【Automatic Indexing@JST】

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (3件)： 医薬品安全性監視 ,  有害事象 ,  自動分類