基于文本知识库的肝损伤药物不良反应大数据智能识别研究

• 作者: 葛斐林 郭玉明 牛明 赵旭 柏兆方 王伽伯 肖小河
• 学科: 医学
• 关键词: 肝疾病 药物相关性副作用和不良反应 知识库 人工智能
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 其他肝病
• 页码范围: 387-391
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1001-5256.2022.02.024

摘要

目的 本研究基于药物不良反应(ADR)文本知识库的探索性构建，尝试建立肝损伤相关ADR的大数据智能识别方法。方法 以“药物性肝损伤”“药源性肝损伤”“肝功能异常”等为关键词，检索时间为2012年1月1日—2016年12月31日，检索并随机抽取药品不良反应监测系统数据库中5%(4152份)肝损伤相关ADR病例报告。结合医师临床再评价，分为“否定病例”“疑似病例”“确定病例”。在此基础上，进行关键要素的识别(不良反应名称、生化指标、临床症状)，采用关键要素与临床再评价的相关性分析，以及ROC曲线确定评分阈值等构建肝损伤相关ADR智能识别方法，并采用交叉验证的方法评价该智能识别方法的效能。结果 肝损伤相关ADR评价识别公式为：总分(M)=症状分数+指标分数+不良反应名称分数，“否定病例”与“疑似病例”“确定病例”在M=5分区分度最好(AUC=0.97)，敏感度为99.57%，特异度为84.61%；“确定病例”与“疑似病例”“否定病例”在M=12分区分度最好(AUC=0.938)，敏感度为87.93%，特异度为85.98%。结论 该方法将为肝损伤相关ADR大数据智能识别评价提供参考和依据，有望有效减轻人工处理肝损伤相关ADR大数据的负担，为肝损伤相关ADR的早期风险信号识别及预警提供有效工具和方法学示范。