論文の概要: AI-based Approach for Safety Signals Detection from Social Networks: Application to the Levothyrox Scandal in 2017 on Doctissimo Forum

• arxiv url: http://arxiv.org/abs/2203.03538v1
• Date: Tue, 1 Feb 2022 10:17:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 02:59:04.630813
• Title: AI-based Approach for Safety Signals Detection from Social Networks: Application to the Levothyrox Scandal in 2017 on Doctissimo Forum
• Title（参考訳）: ソーシャルネットワークからの安全信号検出のためのAIベースのアプローチ:2017年のDoctissimo ForumにおけるLevothyrox Scandalへの応用
• Authors: Valentin Roche, Jean-Philippe Robert, Hanan Salam
• Abstract要約: 本稿では,患者のレビューから医薬安全信号を検出するためのAIベースのアプローチを提案する。 フランスにおけるLevothyroxの症例に着目し,薬式変更後にメディアから大きな注目を集めた。 本研究は, 言葉とn-grams頻度, 意味的類似性, 副薬物反応の言及, 感情分析など, 患者のレビューから抽出したNLPに基づく指標について検討した。
• 参考スコア（独自算出の注目度）: 1.4502611532302039
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social media can be an important source of information facilitating the detection of new safety signals in pharmacovigilance. Various approaches have investigated the analysis of social media data using AI such as NLP techniques for detecting adverse drug events. Existing approaches have focused on the extraction and identification of Adverse Drug Reactions, Drug-Drug Interactions and drug misuse. However, non of the works tackled the detection of potential safety signals by taking into account the evolution in time of relevant indicators. Moreover, despite the success of deep learning in various healthcare applications, it was not explored for this task. We propose an AI-based approach for the detection of potential pharmaceutical safety signals from patients' reviews that can be used as part of the pharmacovigilance surveillance process to flag the necessity of an in-depth pharmacovigilance investigation. We focus on the Levothyrox case in France which triggered huge attention from the media following the change of the medication formula, leading to an increase in the frequency of adverse drug reactions normally reported by patients. Our approach is two-fold. (1) We investigate various NLP-based indicators extracted from patients' reviews including words and n-grams frequency, semantic similarity, Adverse Drug Reactions mentions, and sentiment analysis. (2) We propose a deep learning architecture, named Word Cloud Convolutional Neural Network (WC-CNN) which trains a CNN on word clouds extracted from the patients comments. We study the effect of different time resolutions and different NLP pre-processing techniques on the model performance. Our results show that the proposed indicators could be used in the future to effectively detect new safety signals. The WC-CNN model trained on word clouds extracted at monthly resolution outperforms the others with an accuracy of 75%.
• Abstract（参考訳）: ソーシャルメディアは、薬物移動における新しい安全信号の検出を容易にする重要な情報源となり得る。 有害薬物事象を検出するために,NLP技術などのAIを用いたソーシャルメディアデータの解析を行った。 既存のアプローチでは、逆薬物反応、薬物と薬物の相互作用、薬物の誤用の抽出と識別に焦点が当てられている。 しかし、関連する指標の時間的変化を考慮に入れて、潜在的な安全信号の検出に取り組むことは無かった。 さらに,様々な医療応用における深層学習の成功にもかかわらず,この課題は検討されなかった。 本研究は, 薬物移動監視プロセスの一部として使用可能な患者のレビューから薬剤安全信号を検出するためのAIベースのアプローチを提案し, 詳細な薬剤移動調査の必要性を警告する。 我々は,フランスのレボチロックス症例に焦点をあて,薬剤公式の変化を契機にメディアから大きな注目を集め,通常患者に報告される副作用の頻度が増加した。 我々のアプローチは2つある。 1) 単語, n-grams頻度, 意味的類似性, 副作用, 感情分析など, 患者評価から抽出した様々なnlp指標について検討した。 2) 患者コメントから抽出した単語クラウド上でCNNを訓練する,Word Cloud Convolutional Neural Network (WC-CNN) というディープラーニングアーキテクチャを提案する。 異なる時間分解能と異なるnlp前処理技術がモデル性能に及ぼす影響について検討した。 その結果,提案手法は将来,新たな安全信号の有効検出に活用できることが示唆された。 毎月の解像度で抽出された単語クラウドをトレーニングしたwc-cnnモデルは、75%の精度で他を上回っている。

関連論文リスト

• Enhancing Acute Kidney Injury Prediction through Integration of Drug Features in Intensive Care Units [0.0]
  急性腎障害(AKI)予測と腎障害薬との関連は, 治療現場ではまだ検討されていない。 そこで本研究では,患者処方データをモダリティとして活用し,既存のAKI予測モデルを改善する手法を提案する。
  論文  参考訳（メタデータ） (2024-01-09T05:42:32Z)
• Multiscale Topology in Interactomic Network: From Transcriptome to Antiaddiction Drug Repurposing [0.3683202928838613]
  米国における薬物依存の激化は、革新的な治療戦略の緊急の必要性を浮き彫りにしている。 本研究は,オピオイドおよびコカイン依存症治療の薬物再服用候補を探索するための,革新的で厳格な戦略に着手した。
  論文  参考訳（メタデータ） (2023-12-03T04:01:38Z)
• Emerging Drug Interaction Prediction Enabled by Flow-based Graph Neural Network with Biomedical Network [69.16939798838159]
  本稿では,新興医薬品の相互作用を効果的に予測できるグラフニューラルネットワーク(GNN)であるEmerGNNを提案する。 EmerGNNは、薬物ペア間の経路を抽出し、ある薬物から他の薬物へ情報を伝達し、関連する生物学的概念を経路に組み込むことで、薬物のペアワイズ表現を学習する。 全体として、EmerGNNは、新興薬物の相互作用を予測する既存のアプローチよりも精度が高く、バイオメディカルネットワーク上で最も関連性の高い情報を特定できる。
  論文  参考訳（メタデータ） (2023-11-15T06:34:00Z)
• PGraphDTA: Improving Drug Target Interaction Prediction using Protein Language Models and Contact Maps [4.590060921188914]
  薬物発見の鍵となる側面は、新規な薬物標的相互作用(DT)の同定である。 タンパク質-リガンド相互作用は結合親和性として知られる結合強度の連続性を示す。 性能向上のための新しい改良を提案する。
  論文  参考訳（メタデータ） (2023-10-06T05:00:25Z)
• 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)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• An Interpretable Framework for Drug-Target Interaction with Gated Cross Attention [4.746451824931381]
  本研究では,インタラクションサイトに対して適切な手がかりを提供するための,新しい解釈可能なフレームワークを提案する。 我々は,これらの特徴間の明示的な相互作用を構築することにより,薬物と標的の特徴を相互に関与するゲート・クロス・アテンション・メカニズムを精巧に設計する。 実験の結果,2つのDTIデータセットにおける提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-09-17T05:53:40Z)
• Retrofitting Vector Representations of Adverse Event Reporting Data to Structured Knowledge to Improve Pharmacovigilance Signal Detection [6.644784804652259]
  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。
  論文  参考訳（メタデータ） (2020-08-07T19:11:51Z)
• Learning-based Computer-aided Prescription Model for Parkinson's Disease: A Data-driven Perspective [61.70045118068213]
  我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。 そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。 新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
  論文  参考訳（メタデータ） (2020-07-31T14:34:35Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。