使用 SafeTerm 医学映射自动生成自定义 MedDRA 查询
计算与语言
2025-12-09 v1
摘要
在上市前药物安全性审查中,将相关不良事件术语分组为标准化的 MedDRA 查询或 FDA 新药办公室自定义医学查询(OCMQ)对于信号检测至关重要。我们提出了一种新颖的定量人工智能系统,该系统能够理解和处理医学术语,并自动检索给定输入查询的相关 MedDRA 首选术语(PT),通过多标准统计方法按相关性得分进行排序。该系统(SafeTerm)将医学查询术语和 MedDRA PT 嵌入到多维向量空间中,然后应用余弦相似度和极值聚类生成排序的 PT 列表。针对 FDA OCMQ v3.0(104 个查询)进行了验证,仅限于有效的 MedDRA PT。在不同相似度阈值下计算了精确率、召回率和 F1 值。在中等阈值下实现了高召回率(>95%)。较高的阈值提高了精确率(高达 86%)。最佳阈值(~0.70 - 0.75)产生了约 50% 的召回率和约 33% 的精确率。窄术语 PT 子集表现相似,但需要稍高的相似度阈值。SafeTerm AI 驱动系统为自动生成 MedDRA 查询提供了一种可行的补充方法。建议初始使用约 0.60 的相似度阈值,对于精细术语选择则使用更高的阈值。
引用
@article{arxiv.2512.07694,
title = {Automated Generation of Custom MedDRA Queries Using SafeTerm Medical Map},
author = {Francois Vandenhende and Anna Georgiou and Michalis Georgiou and Theodoros Psaras and Ellie Karekla and Elena Hadjicosta},
journal= {arXiv preprint arXiv:2512.07694},
year = {2025}
}
备注
12 pages, 4 figures