使用可处理贝叶斯网络测量多病共存中的药物不良反应
人工智能
2016-12-12 v1
摘要
管理多病共存患者常导致多重用药（polypharmacy）：开具多种药物。然而，特定药物与疾病组合的长期效应通常未知。特别是，为一种病症开出的药物可能对另一种病症产生不良反应。为探究哪些类型的药物可能影响多病共存的进一步进展，我们查询从初级保健数据学习得到的疾病与处方模型。采用了最先进的可处理贝叶斯网络表示，此类复杂查询可高效计算，用于这些大型医疗网络。我们的结果证实，处方可能在心血管疾病的多病共存进一步发展中导致非预期的负面后果。此外，针对某一疾病组的治疗可能影响另一组的疾病。
引用
@article{arxiv.1612.03055,
title = {Measuring Adverse Drug Effects on Multimorbity using Tractable Bayesian Networks},
author = {Jessa Bekker and Arjen Hommersom and Martijn Lappenschaar and Jesse Davis},
journal= {arXiv preprint arXiv:1612.03055},
year = {2016}
}
备注
Machine Learning for Health @ NIPS 2016