利用AI与社交媒体分析发现GLP-1受体激动剂的不良副作用
定量方法
2024-04-03 v1 人工智能
计算与语言
信息检索
机器学习
社会与信息网络
摘要
药物的不良副作用（ASEs）在FDA批准后暴露，构成对患者安全的威胁。为及时检测被忽视的ASEs，我们开发了一种能够分析来自社交媒体、已发表临床研究、制造商报告以及ChatGPT等大众数据的数字健康方法。我们发现了与胰岛素样肽1受体激动剂（GLP-1 RA）相关的ASEs，该市场预计到2030年将增长至1335亿美元。通过命名实体识别（NER）模型，我们的方法成功检测到21个在FDA批准时被忽视的潜在ASEs，包括易激和麻木。我们的数据分析方法彻底变革了发现新药未报告ASEs的检测方式，利用前沿AI驱动的社交媒体分析。通过解放社交媒体的力量来支持监管机构和制造商快速发现隐藏的ASE风险，该方法可提高新药在市场上的安全性。
关键词
引用
@article{arxiv.2404.01358,
title = {Utilizing AI and Social Media Analytics to Discover Adverse Side Effects of GLP-1 Receptor Agonists},
author = {Alon Bartal and Kathleen M. Jagodnik and Nava Pliskin and Abraham Seidmann},
journal= {arXiv preprint arXiv:2404.01358},
year = {2024}
}
备注
19 pages, 7 figures, 3 tables, 1 Appendix table