药物-疾病图：基于图神经网络与临床数据预测药物不良反应信号
机器学习
2020-04-02 v1 机器学习
摘要
药物不良反应（ADR）是全球重大的公共卫生问题。众多基于图的方法已被应用于生物医学图以预测上市前阶段的 ADR。上市后监测中的 ADR 检测并不亚于上市前评估，且近年来利用大规模临床数据检测 ADR 备受关注。然而，考虑利用临床数据的图结构来检测 ADR 信号（即一对可能构成潜在 ADR 的处方与诊断）的研究并不多。本研究利用医疗理赔数据开发了一种用于 ADR 信号检测的基于图的新框架。我们构建了一个以医疗代码为节点的药物-疾病图。边由两种代码之间的关系给出，并根据数据计算。我们应用图神经网络（GNN）预测 ADR 信号，使用来自 Side Effect Resource 数据库的标签。该模型的 AUROC 和 AUPRC 性能分别为 0.795 和 0.775，优于其他算法，表明其成功学习了能表达这些关系的节点表示。此外，我们的模型预测出了已建立 ADR 数据库中不存在的 ADR 对，显示了其补充 ADR 数据库的能力。
引用
@article{arxiv.2004.00407,
title = {Drug-disease Graph: Predicting Adverse Drug Reaction Signals via Graph Neural Network with Clinical Data},
author = {Heeyoung Kwak and Minwoo Lee and Seunghyun Yoon and Jooyoung Chang and Sangmin Park and Kyomin Jung},
journal= {arXiv preprint arXiv:2004.00407},
year = {2020}
}
备注
To appear at PAKDD 2020