基于文本知识库的肝损伤药物不良反应大数据智能识别研究

目的 本研究基于药物不良反应(ADR)文本知识库的探索性构建,尝试建立肝损伤相关ADR的大数据智能识别方法.方法 以"药物性肝损伤""药源性肝损伤""肝功能异常"等为关键词,检索时间为2012年1月1日—2016年12月31日,检索并随机抽取药品不良反应监测系统数据库中5％(4152份)肝损伤相关ADR病例报告.结合医师临床再评价,分为"否定病例""疑似病例""确定病例".在此基础上,进行关键要素的识别(不良反应名称、生化指标、临床症状),采用关键要素与临床再评价的相关性分析,以及ROC曲线确定评分阈值等构建肝损伤相关ADR智能识别方法,并采用交叉验证的方法评价该智能识别方法的效能.结果 肝损伤相关ADR评价识别公式为:总分(M)=症状分数+指标分数+不良反应名称分数,"否定病例"与"疑似病例""确定病例"在M=5分区分度最好(AUC=0.97),敏感度为99.57％,特异度为84.61％;"确定病例"与"疑似病例""否定病例"在M=12分区分度最好(AUC=0.938),敏感度为87.93％,特异度为85.98％.结论 该方法将为肝损伤相关ADR大数据智能识别评价提供参考和依据,有望有效减轻人工处理肝损伤相关ADR大数据的负担,为肝损伤相关ADR的早期风险信号识别及预警提供有效工具和方法学示范.