基于自然语言处理的内分泌常用药物不良反应监测数据库的构建

Electronic medical record (EMR) is a important source of Big Data. Post-marketing drug safety surveillance is one of the key elements to assure the safety of patients, but the surveillance is far from perfection because there are a lot of information on the adverse reactions to drugs in the narrative medical records. In the past, collecting the information of adverse reactions to drugs is very laborious by searching medical records page by page manually and very inefficient. The emergence of electronic medical records (EMR) has enabled the computerization for the search of information, natural language processing(NLP) is one of most important tools for computer-assisted search and it may enable more accurate surveillance of adverse reactions to drugs. NLP of EMR in Chinese has not been reported before..The primary applicant of this project has studied in a group from Harvard Medical School on extraction of adverse drug reaction from EMR with NLP software for one and a half year. Multidisciplinary team including will be orgnized, which is the solid foundation for this project. .We will design a NLP software which would be used to process Chinese EMR to collect the adverse reactions to common endocrinologic drugs, the results will be compared with manually searched results, and the NLP software will be improved and perfected with both rule-based and machine-learning model. On the basis of the software,a database for surveillance of the adverse reactions to common endocrinologic drugs dynamically will be established. The project will lay both the foundation of real-time application of the NLP software to surveillance of the adverse reaction to drugs in real world situation and foundation of large-scale application of NLP software to extraction of key messages from Chinese EMR.

电子病历是重要的医学大数据来源。上市后对药物的不良反应进行监测是保证患者安全的关键手段，但目前还有很多不完善之处，很多药物的不良反应信息存在于描述性的病历中。既往从描述性病例中取得药物不良反应的信息需要逐份病历进行人工检索，非常耗时耗力，使得药物不良反应信息不能有效提取。电子病历的出现使得检索可能计算机化，自然语言处理是目前进行计算机辅助检索的重要手段，且信息提取更加完整。目前国内对电子病历药物不良反应提取的自然语言处理未见报道。.申请者在美国哈佛大学学习期间，参加了从电子病历中提取药物不良反应的自然语言处理软件的开发，同时联合医学、软件工程和信息学多学科进行协作，为本研究的良好基础。.本研究将使用自然语言处理软件对内分泌电子病历进行检索，结合人工制定规则和机器学习对自然语言处理软件进行完善，为进行实时动态监测药物不良反应和大规模使用自然语言处理软件提取电子病历关键信息打下基础。

上市后对药物的不良反应进行监测是保证患者安全的关键手段，但很多药物的不良反应信息在描述性的病历中。既往从描述性病例中取得药物不良反应的信息需要逐份病历进行人工检索，耗时耗力，使得药物不良反应信息不能有效提取。电子病历的出现使得检索可能计算机化，自然语言处理是目前进行计算机辅助检索的重要手段，且信息提取更加完整。目前国内对电子病历药物不良反应提取的自然语言处理未见报道。.此项目建立了内分泌科住院病人数据库，近200万条病历信息。构建了电子病历人工标注平台，进行基于电子病历的人工标注，补充新的不良反应描述近3000条。建立12万+条目中文电子病历药物不良反应词典及编码。利用自然语言处理技术对电子病历文本记录部分进行处理，提取出药物不良反应信息，敏感性80%以上，特异性90%以上，并建立内分泌药物不良反应长期监控的数据库。.项目进行过程中充分利用数据库进行药物不良事件相关的研究，以及利用电子病历进行临床研究。发表SCI文章8篇，中文文章6篇。代表性结果发表于《JAMA internal medicine》（IF21.9，已接受）和《diabetes care》(IF19.1)等顶级期刊，并以letter形式发表于最顶级期刊New England Journal of Medicine（IF 91.3）。包括：1.GLP-1受体激动剂的使用可能会增加胆道系统疾病发生风险，尤其是高剂量的GLP-1受体激动剂用于减重治疗；2.在2型糖尿病患者中，DPP-4抑制剂的使用与胆道系统疾病发生风险增加有关；3.利用自然语言处理技术有效提取电子病历中生活方式咨询信息，生活方式咨询频率增加可以有效减少心血管事件终点。建立了融合医学、信息学、软件工程等多学科的研究团队。受到国家药物监督管理局的关注和支持。为进行实时动态监测药物不良反应和大规模使用自然语言处理软件提取电子病历关键信息打下基础。

内容获取失败，请点击重试