基于临床试验结果的不良药物事件预测评估基准
计算与语言
2025-03-11 v3
摘要
不良药物事件 (ADEs) 是临床试验中的一个主要安全问题。因此，预测 ADEs 是开发更安全药物和改善患者预后的关键。为了支持这项工作，我们引入了 CT-ADE，一个用于单药治疗中多标签 ADE 预测的数据集。CT-ADE 包含来自临床试验结果的 2,497 种药物和 168,984 个药物-ADE 对，并使用 MedDRA 本体进行标注。与现有资源不同，CT-ADE 整合了治疗和目标人群数据，能够在剂量、给药途径和人口统计学等不同条件下进行比较分析。此外，CT-ADE 系统地收集了研究人群中的所有 ADEs，包括阳性和阴性病例。为了提供使用 CT-ADE 数据集进行 ADE 预测性能的基线，我们使用大语言模型 (LLMs) 进行了分析。表现最好的 LLM 达到了 56\% 的 F1 分数，结合治疗和患者信息的模型比仅依赖化学结构的模型性能高出 21\%-38\%。这些发现强调了上下文信息在 ADE 预测中的重要性，并确立了 CT-ADE 作为医药研发中安全风险评估的稳健资源。
引用
@article{arxiv.2404.12827,
title = {An Evaluation Benchmark for Adverse Drug Event Prediction from Clinical Trial Results},
author = {Anthony Yazdani and Alban Bornet and Philipp Khlebnikov and Boya Zhang and Hossein Rouhizadeh and Poorya Amini and Douglas Teodoro},
journal= {arXiv preprint arXiv:2404.12827},
year = {2025}
}