基于深度學(xué)習(xí)和語(yǔ)義分析的藥物不良反應(yīng)發(fā)現(xiàn).pdf

1、藥物的出現(xiàn)對(duì)于改善人類的生命健康安全，延長(zhǎng)平均壽命有著無(wú)可替代的重要意義，因此基于藥物的研究也得到了飛速的發(fā)展與廣泛的關(guān)注。與此同時(shí)，藥物所帶來(lái)的不良反應(yīng)也由于其危害性，也成為了公眾無(wú)法忽視的問(wèn)題。藥物不良反應(yīng)是患者在服用藥物時(shí)所產(chǎn)生的治療之外的副作用，該作用一般是有害的，甚至?xí)?dǎo)致患者的死亡。因而，藥物不良反應(yīng)發(fā)現(xiàn)的研究也成為了醫(yī)學(xué)與學(xué)術(shù)領(lǐng)域的重點(diǎn)問(wèn)題。
　　盡管藥物在投入市場(chǎng)之前會(huì)經(jīng)過(guò)一系列的研究手段來(lái)發(fā)現(xiàn)其不良反應(yīng)，但是由于

2、藥物自身成分的復(fù)雜性以及其種類繁多，傳統(tǒng)的醫(yī)學(xué)手段如臨床試驗(yàn)等受限于時(shí)間或金錢等成本，無(wú)法有效的獲取藥物全面的不良反應(yīng)信息，使得約50%的嚴(yán)重不良反應(yīng)在未被檢測(cè)之前進(jìn)入市場(chǎng)。因此新興的數(shù)據(jù)源和研究手段也逐步運(yùn)用到藥物不良反應(yīng)發(fā)現(xiàn)領(lǐng)域，如藥物不良事件報(bào)告系統(tǒng)、社交網(wǎng)絡(luò)媒體等都成為了現(xiàn)階段該領(lǐng)域研究的重點(diǎn)，并取得了良好的效果。因此本文分別針對(duì)藥物不良反應(yīng)報(bào)告與社交媒體文本提出了基于深度學(xué)習(xí)與語(yǔ)義分析的藥物不良反應(yīng)事件挖掘算法。
　　在

3、不良反應(yīng)報(bào)告的基礎(chǔ)上，本文利用多種生物醫(yī)學(xué)文獻(xiàn)與數(shù)據(jù)平臺(tái)識(shí)別藥物與不良反應(yīng)實(shí)體，采用關(guān)聯(lián)規(guī)則重構(gòu)不良反應(yīng)報(bào)告，生成相應(yīng)的藥物與不良反應(yīng)的短句集合，進(jìn)一步使用深度學(xué)習(xí)模型生成藥物與不良反應(yīng)實(shí)體的分布式向量表達(dá)，實(shí)現(xiàn)藥物與不良反應(yīng)之間潛在聯(lián)系的表達(dá)，并通過(guò)使用生物醫(yī)學(xué)本體過(guò)濾已知藥物不良反應(yīng)，挖掘潛在藥物不良反應(yīng)。
　　在面向社交媒體的醫(yī)學(xué)文本的研究中，本文通過(guò)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型，將文本轉(zhuǎn)化為基于分布式向量的表達(dá)，并融合情感等語(yǔ)義特