有害薬物反応の自動報告のための深層学習自然言語処理アルゴリズムの開発【JST・京大機械翻訳】

McMaster, C.; Chan, J.; Liew, D. F.; Su, E.; Frauman, A. G.; Chapman, W. W.; Pires, D. E.

プレプリント

J-GLOBAL ID：202202211274073077 整理番号：22P0033359

有害薬物反応の自動報告のための深層学習自然言語処理アルゴリズムの開発【JST・京大機械翻訳】

Developing A Deep Learning Natural Language Processing Algorithm For Automated Reporting Of Adverse Drug Reactions

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年04月07日プレプリントサーバーでの情報更新日： 2022年04月07日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

副作用(ADRs)の検出は,薬物の安全性およびリスク-便益プロファイルの理解に重要である。過去30年にわたって変化しなかった発生率で,ADRsは,世界的に急性治療病院入院の5~10%の原因となる患者罹患率の重要な源である。ADRsの自然報告は,長い間報告の標準的な方法であるが,このアプローチは,薬局的努力を制限する問題,過小報告の高率を有することが知られている。自動化ADR報告は,他の薬剤関連有害事象の過報告により制限されるが,報告率を増加させる代替経路を示す。著者らは,単一学術病院センターにおける退院時要約におけるADRsを同定するための深層学習自然言語処理アルゴリズムを開発した。著者らのモデルを2段階で開発した:まず,事前訓練モデル(DeBERTa)を150,000の非標識放電要約で事前訓練した;第二に,このモデルを微調整して,861の注釈付き放電要約のコーパスにおけるADRの言及を検出した。著者らのアルゴリズムがADRsを他の薬物関連有害事象から区別するのを確実にするため,注釈されたコーパスは,検証されたADR報告と交絡因子関連有害事象の両方に対して豊富であった。最終モデルは,ADR言及を含む退院要約を同定するタスクに対して,0.934(95%CI 0.931~0.955)のROC-AUCで良好な性能を示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

糖質代謝作用薬の臨床への応用 , ドキュメンテーション , 医用情報処理 , 中毒一般

, , , , ,

前のページに戻る