从叙述性描述到 MedDRA：药物不良反应的自动编码
计算与语言
2016-12-13 v1
摘要
叙述性自发报告的收集对于及时检测疑似药物不良反应（ADRs）是不可替代的来源：合格的领域专家手动修订大量叙述性描述，然后根据 MedDRA 标准术语对文本进行编码。由于报告数量日益增长，使用医学术语对叙述性文档进行手动注释是一项精细且昂贵的任务。MagiCoder，一种自然语言处理算法，被提出用于将自由文本描述自动编码为 MedDRA 术语。MagiCoder 过程在计算复杂度方面是高效的（特别是，它在叙述输入和术语的大小上是线性的）。我们在一个约 4500 份手动修订报告的大型数据集上测试了它，通过执行人与 MagiCoder 修订之间的自动比较。对于当前基础版本的 MagiCoder，我们测得：在短描述上，平均召回率为 和平均精确率为 ；在中长描述（最多 255 字符）上，平均召回率为 和平均精确率为 。从实际角度来看，MagiCoder 减少了编码 ADR 报告所需的时间。药理学家只需审查和验证应用程序提出的 MagiCoder 术语，而不必在 MedDRA 的 70K 低级术语中选择正确术语。这种药理学家工作效率的提高也对后续数据分析的质量产生了相关影响。我们为意大利药物警戒语言开发了 MagiCoder。然而，我们的提案基于一种通用方法，不依赖于所考虑的语言或术语词典。
引用
@article{arxiv.1612.03762,
title = {From narrative descriptions to MedDRA: automagically encoding adverse drug reactions},
author = {Carlo Combi and Margherita Zorzi and Gabriele Pozzani and Ugo Moretti},
journal= {arXiv preprint arXiv:1612.03762},
year = {2016}
}
备注
arXiv admin note: substantial text overlap with arXiv:1506.08052