使用深度學(xué)習(xí)模型，馬薩諸塞州洛厄爾大學(xué)的研究團(tuán)隊(duì)能夠顯著改善從電子健康記錄(EHR)中提取不良藥物事件(ADE)的能力。

研究結(jié)果強(qiáng)調(diào)，深度學(xué)習(xí)可以幫助更好地識(shí)別ADE，ADE是造成患者和設(shè)施昂貴的傷害，也是住院的主要原因。

在測(cè)試過(guò)程中，該模型獲得的F1分?jǐn)?shù)(衡量準(zhǔn)確性)為65.9%，超過(guò)了現(xiàn)有的最佳ADE提取模型。根據(jù)JMIR Medical Informatics中發(fā)表的研究，該模型的準(zhǔn)確性僅為61.7%。

“我們的深度學(xué)習(xí)模型取得了最先進(jìn)的結(jié)果，大大高于藥物，適應(yīng)癥和不良藥物事件(MADE)1.0挑戰(zhàn)賽中最佳系統(tǒng)的結(jié)果，”該系的Hong Yu博士馬薩諸塞州洛厄爾大學(xué)計(jì)算機(jī)科學(xué)系教授，以及相應(yīng)的作者或相關(guān)研究，等。寫(xiě)道。“深度學(xué)習(xí)模型可以顯著提高與ADE相關(guān)的信息提取的性能。”

據(jù)研究人員稱，ADEs被描述為由藥物干預(yù)引起的傷害，約占所有住院人數(shù)的41%。因此，ADEs通常還會(huì)延長(zhǎng)住院時(shí)間，從而增加了設(shè)施的經(jīng)濟(jì)負(fù)擔(dān)。例如，研究人員說(shuō)，一家擁有700個(gè)床位的醫(yī)院的ADEs的年度費(fèi)用約為560萬(wàn)美元，這就是為什么ADE檢測(cè)和報(bào)告對(duì)于藥物安全性監(jiān)測(cè)“至關(guān)重要”的原因。

傳統(tǒng)上，使用FDA不良報(bào)告系統(tǒng)(FAERS)發(fā)現(xiàn)ADE。但是，漏報(bào)和漏藥模式是與FDA系統(tǒng)相關(guān)的最常見(jiàn)挑戰(zhàn)。該系統(tǒng)還存在其他不利因素。

“首先，F(xiàn)AERS報(bào)告的目標(biāo)和內(nèi)容會(huì)隨著時(shí)間而變化，這可能會(huì)使醫(yī)生和公眾感到困惑，” Yu等人。寫(xiě)道。“第二，患者可能選擇不提及某些反應(yīng)，這是由于執(zhí)業(yè)醫(yī)師未能報(bào)告這些反應(yīng)。第三，潛伏期長(zhǎng)或產(chǎn)生異常癥狀的ADE可能無(wú)法識(shí)別。”

對(duì)于他們的深度學(xué)習(xí)模型，研究人員使用MADE 1.0 Challenge數(shù)據(jù)集對(duì)其進(jìn)行了培訓(xùn)和測(cè)試，該數(shù)據(jù)集包含1000多個(gè)癌癥患者的EHR注釋。

“我們的所有模型在MADE 1.0挑戰(zhàn)賽中都優(yōu)于現(xiàn)有系統(tǒng)，這可能是由于以下原因：首先，我們的模型受益于能夠從數(shù)據(jù)中學(xué)習(xí)得更好的深度學(xué)習(xí)，” Yu等人。寫(xiě)道。“第二，我們豐富了深度學(xué)習(xí)模型的功能;因此，我們的模型優(yōu)于使用與我們類似的深度學(xué)習(xí)模型的系統(tǒng)。”

在看到令人鼓舞的結(jié)果之后，研究小組表示相信他們的“結(jié)果可以促進(jìn)ADE檢測(cè)，(自然語(yǔ)言處理)和機(jī)器學(xué)習(xí)的研究。”