一种用于发现罕见处方药副作用的新型半监督算法
机器学习
2016-11-15 v1 计算工程、金融与科学
摘要
药物经常开给患者以改善其健康状况，但大多数处方药的一个不幸后果是会出现不良副作用。发生率超过千分之一的副作用很可能被当前的药物监测方法有效警示，然而，这些相同的方法可能需要数十年才能为更罕见的副作用产生信号，从而在罕见副作用未被发现期间，使服用该药物的患者面临发病或死亡的风险。在本文中，我们提出了一种新型的计算元分析框架用于警示罕见副作用，该框架整合了现有方法、网络知识、度量学习和半监督聚类。该新型框架能够为所调查的选定药物警示许多已知的罕见且严重的副作用，例如开具 Ciprofloxacin 或 Levofloxacin 时的肌腱断裂、使用 Naproxen 时的肾衰竭以及与 Rimonabant 相关的抑郁症。此外，对于大多数被调查的药物，它在比现有方法更严格的警示阈值下生成了罕见副作用信号，并显示出成为上市后监测中检测罕见副作用基本组成部分的潜力。
引用
@article{arxiv.1409.0768,
title = {A Novel Semi-Supervised Algorithm for Rare Prescription Side Effect Discovery},
author = {Jenna Reps and Jonathan M. Garibaldi and Uwe Aickelin and Daniele Soria and Jack E. Gibson and Richard B. Hubbard},
journal= {arXiv preprint arXiv:1409.0768},
year = {2016}
}