論文の概要: Utilizing AI and Social Media Analytics to Discover Adverse Side Effects of GLP-1 Receptor Agonists
- arxiv url: http://arxiv.org/abs/2404.01358v1
- Date: Mon, 1 Apr 2024 09:48:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-03 20:56:59.859988
- Title: Utilizing AI and Social Media Analytics to Discover Adverse Side Effects of GLP-1 Receptor Agonists
- Title（参考訳）: AIとソーシャルメディア分析を利用したGLP-1受容体アゴニストの副作用の解明
- Authors: Alon Bartal, Kathleen M. Jagodnik, Nava Pliskin, Abraham Seidmann,
- Abstract要約: FDA承認後に明らかにされた薬物の副作用(ASE)は、患者の安全を脅かす。
我々はソーシャルメディアから大量の公開データを分析できるデジタル手法を開発した。
グルカゴン様ペプチド1受容体アゴニスト(GLP-1 RA)市場に関連する21の電位を発見した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Adverse side effects (ASEs) of drugs, revealed after FDA approval, pose a threat to patient safety. To promptly detect overlooked ASEs, we developed a digital health methodology capable of analyzing massive public data from social media, published clinical research, manufacturers' reports, and ChatGPT. We uncovered ASEs associated with the glucagon-like peptide 1 receptor agonists (GLP-1 RA), a market expected to grow exponentially to $133.5 billion USD by 2030. Using a Named Entity Recognition (NER) model, our method successfully detected 21 potential ASEs overlooked upon FDA approval, including irritability and numbness. Our data-analytic approach revolutionizes the detection of unreported ASEs associated with newly deployed drugs, leveraging cutting-edge AI-driven social media analytics. It can increase the safety of new drugs in the marketplace by unlocking the power of social media to support regulators and manufacturers in the rapid discovery of hidden ASE risks.
- Abstract（参考訳）: FDA承認後に明らかにされた薬物の副作用(ASE)は、患者の安全を脅かす。
そこで我々は,見落としているASEを迅速に検出するために,ソーシャルメディアから大量の公開データを分析できるデジタルヘルス手法を開発し,臨床研究,製造業者報告,ChatGPTを開発した。
グルカゴン様ペプチド1受容体アゴニスト(GLP-1 RA)に付随するASEは2030年までに指数関数的に1335億ドルに成長すると予想された。
Named Entity Recognition (NER) モデルを用いて, FDAの承認で見過ごされた21種類のASEの検出に成功した。
我々のデータ分析アプローチは、最先端のAI駆動のソーシャルメディア分析を活用して、新しくデプロイされた薬物に関連する報告されていないASEの検出に革命をもたらす。
規制当局や製造業者を支援するためにソーシャルメディアの力を解き放つことで、市場における新薬の安全性を高めることができる。
関連論文リスト
- Learning to Describe for Predicting Zero-shot Drug-Drug Interactions [54.172575323610175]
薬物と薬物の相互作用は同時投与の有効性を損なう可能性がある。
従来のDDI予測の計算手法では、知識不足のため、新しい薬物の相互作用を捉えることができない可能性がある。
言語モデルに基づくDDI予測器と強化学習(RL)に基づく情報セレクタを用いたテキストDDIを提案する。
論文 参考訳（メタデータ） (2024-03-13T09:42:46Z) - CDRH Seeks Public Comment: Digital Health Technologies for Detecting
Prediabetes and Undiagnosed Type 2 Diabetes [0.0]
FDAは、糖尿病および未診断型2型糖尿病の検出におけるデジタルヘルス技術(DHT)の役割について、公衆のコメントを求めた。
DHTは、グルコース、ダイエット、症状、コミュニティの洞察などの健康信号をキャプチャする。
リモートスクリーニングツールの恩恵を最も受けられるサブ人口には、農村住民、少数派グループ、リスクの高い個人、医療アクセスの制限がある。
論文 参考訳（メタデータ） (2023-12-18T14:20:53Z) - 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) - AI-based Approach for Safety Signals Detection from Social Networks:
Application to the Levothyrox Scandal in 2017 on Doctissimo Forum [1.4502611532302039]
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。
論文 参考訳（メタデータ） (2022-02-01T10:17:32Z) - Improved Drug-target Interaction Prediction with Intermolecular Graph
Transformer [98.8319016075089]
本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。
分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。
IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
論文 参考訳（メタデータ） (2021-10-14T13:28:02Z) - AI and the future of pharmaceutical research [0.0]
この論文は、医薬品のAIの継続的な革新は、これまで治療できなかった病気に対する安全で効果的な治療法の迅速な開発を可能にすると論じている。
業界はすでに、薬物分子発見時間の10倍削減などの結果を報告している。
この論文は、医薬品のAIに焦点をあてることによって、業界はもう一つの大きな破壊、すなわちオープンなデータ共有とコラボレーションに向けて軌道を踏み出した、と結論付けている。
論文 参考訳（メタデータ） (2021-06-25T17:56:36Z) - SafeDrug: Dual Molecular Graph Encoders for Safe Drug Recommendations [59.590084937600764]
医薬品の分子構造とDDIのモデルを明確に活用するために、SafeDrugというDDI制御可能な薬物推奨モデルを提案する。
ベンチマークデータセットでは、SafeDrugはDDIを19.43%削減し、Jaccardの推奨薬物と実際に処方された薬物の組み合わせの2.88%を改善します。
論文 参考訳（メタデータ） (2021-05-05T00:20:48Z) - Preliminary Results from a Peer-Led, Social Network Intervention,
Augmented by Artificial Intelligence to Prevent HIV among Youth Experiencing
Homelessness [47.21347530335741]
米国では毎年400万人の若者がホームレスを経験しており、HIV感染率は3から11.5%である。
HIV予防のためのPCAモデルは、多くの集団で成功したが、顕著な失敗があった。
我々は,(1)人工知能(AI)計画アルゴリズムを用いたPCA選択用アーム,(2)高次集中度(DC)として操作された人気アーム,(3)観測のみ比較群(OBS)の3つの腕で,YEHに対する新たなPCA介入試験を行った。
AIとDCの両腕は時間とともに改善され、AIベースのPCA選択が改善した
論文 参考訳（メタデータ） (2020-07-11T02:17:53Z) - Detecting Adverse Drug Reactions from Twitter through Domain-Specific
Preprocessing and BERT Ensembling [0.0]
我々はTwitterのつぶやきの中で、薬物の言及を含むADRを分類するためのディープラーニングモデルを開発することを目指している。
我々のアプローチでは、$BERT_LARGE$と2つのドメイン固有のBERT実装、$BioBERT$と$Bio + ClinicalBERT$を微調整しました。
最終モデルは、$F_1$-score (0.6681) とリコール (0.7700) の両方で、SMM4H 2019と評価後のすべてのモデルを上回った。
論文 参考訳（メタデータ） (2020-05-11T20:49:24Z) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z)
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。