基于大语言模型的药物副作用众包知识图谱构建及其在 Semaglutide 上的应用
人工智能
2025-04-09 v2 社会与信息网络
摘要
社交媒体是捕获真实世界数据、为药物安全监测提供宝贵患者经验信息的丰富来源。然而，从非结构化且噪声较大的社交媒体内容中挖掘数据仍是一个具有挑战性的任务。我们提出了一个系统框架，利用大语言模型 (LLMs) 从社交媒体中提取药物副作用并将其组织到知识图谱 (KG) 中。我们将该框架应用于 Semaglutide 用于减肥的情境，数据来源于 Reddit。通过构建的知识图谱，我们进行了全面分析，以探讨不同 Semaglutide 品牌在不同时间段上报告的副作用。这些发现进一步通过与 FAERS 数据库中报告的不良事件进行比较得到验证，为 Semaglutide 的副作用提供了重要的以患者为中心的见解，补充了其安全性概况和当前关于 Semaglutide 的知识库，对于医疗保健专业人员和患者都有所帮助。我们的工作表明，使用 LLMs 将社交媒体数据转化为结构化知识图谱用于药物安全监测是可行的。
引用
@article{arxiv.2504.04346,
title = {Crowdsourcing-Based Knowledge Graph Construction for Drug Side Effects Using Large Language Models with an Application on Semaglutide},
author = {Zhijie Duan and Kai Wei and Zhaoqian Xue and Jiayan Zhou and Shu Yang and Siyuan Ma and Jin Jin and Lingyao li},
journal= {arXiv preprint arXiv:2504.04346},
year = {2025}
}