論文の概要: Retrofitting Vector Representations of Adverse Event Reporting Data to
Structured Knowledge to Improve Pharmacovigilance Signal Detection
- arxiv url: http://arxiv.org/abs/2008.03340v1
- Date: Fri, 7 Aug 2020 19:11:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 01:20:21.186138
- Title: Retrofitting Vector Representations of Adverse Event Reporting Data to
Structured Knowledge to Improve Pharmacovigilance Signal Detection
- Title(参考訳): 有害事象報告データのベクター表現を構造化知識に再フィッティングすることで薬物移動信号の検出を改善する
- Authors: Xiruo Ding, Trevor Cohen
- Abstract要約: 副作用の薬物イベント(ADE)は一般的で費用がかかる。臨床試験は潜在的なADEを識別する能力に制約がある。
統計学的手法は、これらの報告から信号を検出するのに便利な方法であるが、薬物とADEの関係を利用するには限界がある。
Aer2vecは、類似性のパターンをキャプチャするADEレポートエンティティの分散ベクトル表現を生成するが、語彙知識は利用できない。
本稿では,Aer2vec 薬物の組み込みを RxNorm の知識に適合させ,ベクトル再スケーリングを応用した新たな再適合変種を開発することにより,その限界に対処する。
- 参考スコア(独自算出の注目度): 6.644784804652259
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adverse drug events (ADE) are prevalent and costly. Clinical trials are
constrained in their ability to identify potential ADEs, motivating the
development of spontaneous reporting systems for post-market surveillance.
Statistical methods provide a convenient way to detect signals from these
reports but have limitations in leveraging relationships between drugs and ADEs
given their discrete count-based nature. A previously proposed method, aer2vec,
generates distributed vector representations of ADE report entities that
capture patterns of similarity but cannot utilize lexical knowledge. We address
this limitation by retrofitting aer2vec drug embeddings to knowledge from
RxNorm and developing a novel retrofitting variant using vector rescaling to
preserve magnitude. When evaluated in the context of a pharmacovigilance signal
detection task, aer2vec with retrofitting consistently outperforms
disproportionality metrics when trained on minimally preprocessed data.
Retrofitting with rescaling results in further improvements in the larger and
more challenging of two pharmacovigilance reference sets used for evaluation.
- Abstract(参考訳): 逆薬のイベント(ADE)は一般的で費用がかかる。
臨床試験は、潜在的なADEを特定する能力に制約があり、ポストマーケット監視のための自発的報告システムの開発を動機付けている。
統計的手法は、これらの報告から信号を検出するのに便利な方法であるが、その離散的な数に基づく性質から薬物とadesの関係性を活用するのに制限がある。
提案手法であるaer2vecは、類似性のパターンをキャプチャするADEレポートエンティティの分散ベクトル表現を生成するが、語彙知識は利用できない。
本稿では,Aer2vec 薬物の組み込みを RxNorm の知識に適合させ,ベクトル再スケーリングを応用した新たな再適合変種を開発することにより,その限界に対処する。
薬物移動信号検出タスクの文脈で評価すると、再適合したaer2vecは、最小限の事前処理データでトレーニングされた場合、不均等な指標を一貫して上回る。
再スケーリングによるリトロフィッティングにより、評価に用いられる2つの薬剤移動基準セットがより大きく、より困難になる。
関連論文リスト
- CLDR: Contrastive Learning Drug Response Models from Natural Language
Supervision [15.330792768046615]
自然言語の教師付きコントラスト学習フレームワークであるMNを提案する。
がんデータセットにおける薬物感受性のゲノムから数十万のサンプルを検証した。
実験により、MN は標本を表現空間内の連続分布に効果的に制約することを示した。
論文 参考訳(メタデータ) (2023-12-17T12:51:49Z) - You've Got Two Teachers: Co-evolutionary Image and Report Distillation
for Semi-supervised Anatomical Abnormality Detection in Chest X-ray [33.272751884183556]
公的なMIMIC-CXRベンチマークの実験結果は、CEIRDがいくつかの最新の弱い半教師付き手法に優れていることを示す。
論文 参考訳(メタデータ) (2023-07-18T12:18:21Z) - Drug Synergistic Combinations Predictions via Large-Scale Pre-Training
and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。
ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。
我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文 参考訳(メタデータ) (2023-01-14T15:07:43Z) - Knowledge-Driven New Drug Recommendation [88.35607943144261]
既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。
EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。
その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
論文 参考訳(メタデータ) (2022-10-11T16:07:52Z) - SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity
Prediction [127.43571146741984]
薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。
湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。
既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。
SSM-DTAフレームワークについて述べる。
論文 参考訳(メタデータ) (2022-06-20T14:53:25Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳(メタデータ) (2022-06-04T13:16:30Z) - The Neural Metric Factorization for Computational Drug Repositioning [1.5206182560183663]
計算薬物再配置は、市販薬物の新しい治療疾患を発見することを目的としている。
行列因数分解モデルは, 医薬再配置における主要な基礎技術となっている。
本稿では, 医薬再配置のためのニューラル・メトリック・ファクター化モデルを提案する。
論文 参考訳(メタデータ) (2021-09-16T03:14:43Z) - Machine learning on DNA-encoded library count data using an
uncertainty-aware probabilistic loss function [1.5559232742666467]
本稿では, 個々の分子のDEL富化を, 独自の負の対数類似損失関数を用いて学習するための回帰的アプローチを示す。
このアプローチは、CAIXに対してスクリーニングされた108k化合物のデータセットと、sEHとSIRT2に対してスクリーニングされた5.7M化合物のデータセットについて説明する。
論文 参考訳(メタデータ) (2021-08-27T19:37:06Z) - Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions
Segmentation [79.58311369297635]
異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。
wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。
新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
論文 参考訳(メタデータ) (2020-12-08T02:26:03Z) - The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。
本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
論文 参考訳(メタデータ) (2020-12-05T17:30:35Z) - Drug-Drug Interaction Prediction with Wasserstein Adversarial
Autoencoder-based Knowledge Graph Embeddings [22.562175708415392]
薬物・薬物相互作用のための知識グラフ埋め込みフレームワークを提案する。
本フレームワークでは, 高品質な負のサンプルを生成するために, オートエンコーダを用いる。
判別器は、正三重項と負三重項の両方に基づいて薬物と相互作用の埋め込みを学習する。
論文 参考訳(メタデータ) (2020-04-15T21:03:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。