利用Wikidata系统提高多种语言维基百科医学内容的质量:一项初步研究

简介

维基百科是病人和医疗专业人员获取医疗信息的重要来源[1,2］．医学维基百科内容由255种语言的15万多篇文章组成[3.］．鉴于维基百科覆盖面广泛，提高其医疗信息的质量、完整性和可访问性可以对全球健康产生积极影响。例如，药物-药物相互作用(DDIs)引起的不良事件是发病率的一个重要原因[4]，但维基百科上的不良事件数据目前还不完整，可能会对患者造成伤害[5-7］．

为了解决这些问题，我们创建了一个自动化系统的原型实现，以保持维基百科中的药物信息与临床重要药物相互作用的最新证据同步。我们的工作基于Wikidata [8,9，这是维基百科的一个新的数据库后端，目前正在开发中。Wikidata是一个大型的、由社区编辑的多语言图形数据库，旨在将事实捕获到一个集中的存储中，并可由不同语言版本的Wikipedia动态查询和显示。因此，Wikidata可以成为一个由社区支持的、高度可见的医学和生物学信息结构化知识库，将受控分类法、语义Web /语义技术和本体等概念和方法引入主流使用。

以Wikidata的数据模型为例图1．该模型与普通数据库的不同之处在于，信息是通过属性-值对捕获的，每个条目都是独立来源的。属性类似于特定信息(如城市人口)的字段。要完成配对，需要为该属性添加一个值(例如，总体数为8,173,900)。这一对合起来叫做a索赔这是可以添加到维基数据的最小数量的信息。声明还可以包含限定符，将值放入上下文(例如，给出人口估计的年份)。每个声明都可以有许多限定符。使用主张(而不是“事实”)的做法反映了一种理念，即维基百科预测并接受了在不同来源可能不一致的情况下提出相互冲突的主张的情况。该数据模型的一个优点是，只有带有源的声明才被视为完整的语句，而源中的分歧可以通过添加多个语句来建模。

在撰写本文时(2014年11月)，Wikidata包含了5000万条声明，涉及超过1200万个数据项，有超过1.3万名活跃参与者。然而，维基百科的大规模参与性以及与维基百科的整合也带来了前所未有的挑战。在本文中，我们描述了一个利用Wikidata系统改进维基百科ddi信息的试点项目。该试点的目的是为改进维基百科中的药品安全数据的策略提供见解，并为利用维基百科系统捕获、共享和访问一般的生物医学知识提供指导。

‎ 把这个图

方法

药物之间相互作用的数据

我们审查了公开可用的DDI知识库，包括Drugbank [10]，国家药物档案参考术语(NDF-RT) [11，这是由非盈利组织creditblemeds评分维护的临床重要和常见ddi的简短列表[12]，国家卫生信息技术协调办公室(ONC)的“高优先级”潜在ddi清单，建议作为高优先级向任何护理环境中的临床医生发出警报[13]，以及在任何护理环境中不需要中断警报的潜在ddi的ONC“非中断”列表[14］．我们决定只纳入具有高优先级且由专家团队筛选的临床相关的潜在ddi，以避免因大量不关键或没有充分证据支持的相互作用而使知识库超载[14］．出于这些原因，我们选择了ONC高优先级列表，保留了在稍后的时间点进一步扩展知识库的可能性。

向维基百科和维基百科添加数据

将潜在的DDI数据添加到Wikidata的过程包括几个步骤和社区交互。首先，我们在维基数据系统上注册了账号。一般来说，每个有或没有账户的人都可以直接通过Wikidata网站编辑数据页面。复杂的贡献任务通常通过WikiProjects组织(例如，WikiProject Medicine)，这是在Wikidata开发中共享特定目标的人们的第一个接触点。如果用户想成为WikiProject的一部分，他们只需要将自己添加到项目参与者列表中。我们加入了维基医学项目[15］．

我们研究了当前是否存在合适的Wikidata属性，或者是否有必要创建一个新的Wikidata属性。我们没有发现用于捕获潜在ddi的现有属性，因此我们起草了一份新属性的提案，并将其提交给社区讨论和投票(讨论存档在[16])。三位讨论者参与了这次讨论。在我们根据社区反馈对名称、描述和语义进行了细化，并确定了属性的实用性和新颖性之后，建议的属性被接受并添加到Wikidata系统中[17］．主要的讨论点是食物-药物相互作用的包含，该性质应该是对称的还是非对称的，以区分沉淀剂和物体药物，以及现有的物体间物理相互作用的性质是否可以重用。整个过程耗时1周。基于数据加载期间明显的需求，在流程的后期对属性定义进行了小规模向后兼容的细化。创建属性后，任何用户都可以翻译它。此外，还可以设置属性约束，以便在违反这些约束时查找数据中的错误。

我们创建了一个Wikidata“bot”(一个自动添加或编辑内容的程序)，用于从更大的ONC高优先级列表中自动添加和更新交互。机器人的实施和应用与Wikidata社区进行了讨论，直到就其用途和导入数据的范围达成共识(讨论存档在[18])。8位讨论者参与了这次讨论。

为了操作机器人，我们注册了一个单独的机器人账户，并创建了一个许可请求(如维基百科机器人政策中所述[19])。该请求的文本包括我们的团队和机器人的主要功能和目标的描述。最终的讨论包括其他8名维基人(主要是维基计划医学的成员)，历时一个多月，机器人才被维基百科的“官僚”(维基百科/维基百科社区中负责此类决策的成员的官方头衔)批准。该机器人是使用Pywikibot框架创建的，该框架是一组用于维护不同MediaWiki站点的Python脚本[20.］．我们从一个基本的模板脚本[21它是Pywikibot软件包的一部分，使用了专门用于维基数据编辑的功能。我们创建的机器人的代码可以在GitHub上找到[22］．

我们为英语和德语维基百科创建了修改的药物信息框模板，利用了来自维基百科知识库的潜在DDI数据;信息框是通常伴随维基百科文章的模板，通常显示在页面的右上角。它们通常包含维基百科条目中最重要的事实。我们将选定的维基百科文章复制到一个在线开发环境中，并将修改后的药物信息框模板集成在一起，以便在生成的维基百科文章中自动显示来自Wikidata的潜在DDI数据。只要对属性名和语句的值进行翻译，这个工作流就可以在维基百科超过288种语言中的任何一种上实现。这些文章被用作概念证明，并用来预测在当前技术下维基百科将如何显示来自维基数据的信息。

对于这个试点研究，我们在独立的Wikipedia开发环境中而不是在主系统中实现这些更改，因为对广泛使用的模板(例如，药物信息框)的更改通常需要广泛的讨论。考虑到Wikidata应用程序接口(API)还没有完全稳定，基于Wikidata的信息框的大规模采用还没有得到社区的批准。维基百科的开发环境在技术上与普通的维基百科没有什么不同，但是它不那么可见(例如，Web搜索引擎通常不指向开发环境中的页面)。

分析

我们进行了一项试点分析，以探索添加ONC高优先级数据是否会显著增强目前维基百科上可获得的重要潜在药物相互作用的覆盖面信息。我们开发了一个简单的脚本，分析ONC高优先级列表中物质的英文维基百科文章，通过字符串匹配检查当前维基百科文章中是否提到了相互作用的物质。

最后，一位临床药剂师专家(JH)对当前维基百科上ONC列表上的2种药物(ramelteon和华法林)的DDI信息进行了详细的评估。由专家共同撰写的临床重要ddi的标准参考文献被用作评价的基础[23］．

结果

我们从ONC高优先级列表中派生出1150个独特的交互。Wikidata对有效成分的覆盖是详尽的，我们不需要创建新的实体。Wikidata中表示的数据示例的屏幕截图显示在图2德语和英语维基百科信息框中相同数据的截屏显示在图3．

将Wikidata中潜在的DDI数据集成到维基百科信息框中证明是直接的，并产生了有用的结果，但也突出了当前系统的潜在缺陷。我们认识到，通过信息框获取相互作用药物的长列表很困难，因为有些药物与多达30种其他药物相互作用。这个问题可以通过在可扩展的用户界面元素后面隐藏相互作用药物的长列表来解决，这在其他用例中已经做到了(例如，蛋白质文章中的基因本体论术语注释)，或者通过删除其他可能不太感兴趣的信息来解决。尽管如此，对于某些药物，这些长长的相互作用列表的存在可能会导致不令人满意的可用性或降低重要信息的可寻性。另一种方法是将维基百科的信息整合到维基百科文章的正文中，如图4．

我们的原型还发现了目前将维基数据集成到维基百科的另一个缺点，那就是文献引用/证据的呈现方式。尽管来自维基数据的支持证据可以通过维基百科的尾注引用显示，但维基百科系统目前无法识别多个引用可能指向一个引用，从而导致创建冗余的引用列表条目。此外，目前的系统只能显示文献参考书目的标题，而不能提供包含所有书目详细信息(如作者、期刊和出版年份)的格式化尾注。这些目前的限制降低了维基百科读者从维基百科知识库中有效检查数据背后证据的能力。然而，考虑到Wikidata的新颖性和数据库接口的不断发展，这种限制将很快消失。

‎ 把这个图

‎ 把这个图

‎ 把这个图

维基百科中药物-药物相互作用信息统计

我们发现，尽管目前大多数关于药物的英文维基百科文章都包含了详细介绍禁忌症的章节，但只有一小部分文章在文章文本中明确提到了ONC高优先级列表中的交互伙伴(表1)．在我们测试的1150对相互作用对中，有91.30%(1050/1150)的相互作用物质对应的2篇文章都没有明确提到相互作用伙伴。7.21%(83/1150)的配对中，2篇相关的维基百科文章中只有1篇提到了互动伙伴，只有1.48%(17/1150)的配对中，两篇文章都明确提到了互动伙伴。

对随机选择的文章的回顾表明，许多文章通过提供药物类相互作用或与酶相互作用的信息，包含了关于药物相互作用的隐式信息。然而，在许多情况下，读者可能没有必要的背景知识从这些陈述中推断出可操作的信息(例如，警告说，一种药物显著抑制细胞色素P450 3A4 [CYP3A4]酶，需要了解潜在的共用药是由CYP3A4代谢的实际效用)。我们还观察到，许多文章没有明确提到ONC高优先级列表中药物的相互作用，但提到了与其他不在列表中的药物的相互作用，这表明维基百科和ONC高优先级列表中药物相互作用的信息存在明显的总体不一致。

同样重要的是要记住，ONC清单并不打算包括所有临床相关的ddi，因为它是从一个相互作用药物对的简短清单发展而来，然后扩展到包括也相互作用的相关药物。这使得维基百科中ddi的缺失更加令人不安，因为许多重要的ddi根本就不见了。

详细分析范例维基百科药物文章

下面从专业药理学家的角度详细分析了维基百科文章中关于药物ramelteon和华法林的DDI信息，举例说明了当前维基百科文章覆盖DDI的一些局限性。

正如图3， ramelteon主要由CYP1A2代谢。CYP3A4和CYP2C9也有助于其代谢。因此，任何改变CYP1A2、CYP3A4或CYP2C9活性的药物都可能改变ramelteon的消除。Ramelteon的生物利用度(口服药物进入体循环的量)也很低，只有1.8%。这意味着，如果口服10毫克剂量的ramelteon，只有不到0.2毫克进入体循环，并产生药理反应。如果另一种药物抑制了ramelteon的代谢，那么到达体循环的ramelteon的量就会增加，可能会增加到非常大的程度。

目前，维基百科注意到有几种药物不与ramelteon相互作用;然而，目前尚不清楚这些药物是否对ramelteon无效，还是ramelteon对所列药物无效。事实上，两个结果都是正确的。所有被列为与ramelteon无相互作用的药物都不会发生相互作用，因为它们不会影响任何代谢ramelteon的代谢途径。维基百科的条目进一步说明:

一项药物相互作用研究表明，当雷梅酮和SSRI百忧解(氟西汀)联合使用时，没有临床意义的影响或不良事件的增加。Ramelteon和氟伏沙明不能同时使用。对于服用其他CYP1A2抑制剂、强效CYP3A4抑制剂(如酮康唑)和强效CYP2C9抑制剂(如氟康唑)的患者，应谨慎使用Ramelteon。当ramelteon与强效CYP酶诱导剂如利福平联合使用时，药效可能会降低，因为ramelteon的浓度可能会降低。

虽然没有提供上述陈述的参考资料，但它们似乎来自ramelteon产品标签。我们同意在服用氟伏沙明的患者中应避免使用ramelteon，因为标签上显示相互作用导致ramelteon水平增加了190倍。氟伏沙明抑制CYP1A2、CYP2C9和CYP3A4。正如前面所提到的，CYP1A2是代谢ramelteon的主要酶。其他抑制CYP1A2的药物包括阿他扎那韦、环丙沙星、胺碘酮、依诺沙星、美西律丁、他克林、噻苯咪唑、西咪替丁、噻氯匹定、zileuton和vemurafenib，但这些都没有在维基百科的文章中提到。同样，除了文章中列出的两种药物外，还有许多药物同时抑制CYP3A4和CYP2C9。例如，阿他那韦、环丙沙星和西咪替丁可以抑制雷梅酮的两种代谢途径，并可能导致雷梅酮血浆浓度的大幅增加。

华法林主要由CYP2C9代谢，CYP1A2和CYP3A4也有助于其消除。维基百科指出，“可以从血清白蛋白中取代华法林并导致国际标准化比值(INR)增加”的药物可以与华法林相互作用，尽管在这里复制的时间太长了。这在理论上是正确的;然而，由于华法林从血液中的清除仅限于不与白蛋白结合的药物，置换的华法林被代谢，稳态下活性华法林的量没有变化，因此INR也没有变化。

甲硝唑和大环内酯类抗生素可通过降低华法林的代谢“大大增加其作用”。甲硝唑会降低华法林的代谢，其他一些文章中没有提到的抗生素和抗真菌药物也会降低华法林的代谢，这些药物可能更常用，比文中提到的药物产生更大的华法林浓度变化。大环内酯似乎没有改变华法林代谢。它们与华法林效果增强有关，但这可能是由于其他原因，包括感染本身或饮食改变。文中还引用了几个与甲状腺活性相关的华法林反应改变的病例。已有研究表明，甲状腺补充剂并不会改变患者对华法林的反应。维基百科的文章指出，过量饮酒会增加对华法林的反应。这对于酗酒来说是正确的;然而，长期饮酒可能增加华法林的代谢，导致反应降低。

文章中的几段叙述了草药与华法林相互作用的部分报告。所引用的大多数报告甚至没有达到相互作用证据的最低标准，没有一项试验显示草药对华法林没有或只有最小的影响。这是DDI报告中选择偏差的一个例子。

与ramelteon的文章一样，华法林的文章也省略了许多重要的ddi。没有提及CYP2C9的有效抑制剂，如胺碘酮、磺胺甲恶唑、氟康唑、伏立康唑或氟西汀。报告中没有提到那些会增加服用华法林患者出血风险的药物，如非甾体抗炎药或对乙酰氨基酚。

讨论

主要结果

我们实现了一个过程，以丰富维基百科知识库中的医疗数据，并证明了通过维基百科自动更新维基百科中的医疗内容是一个可行的选择，尽管在集成到公共维基百科之前还需要进一步改进和建立社区范围的共识。向Wikidata和Wikipedia添加数据是一个漫长的过程，需要大量的社区互动，需要熟悉各自社区的习俗和要求。我们预计，要真正整合到自主的每种语言的维基百科中，还需要进一步完善，并与不同的维基计划医学社区进行实质性的对话。

Wikidata中更好的数据质量可以减少维基百科所需的维护工作，让编辑有更多的时间关注文章的质量。如果一篇文章在维基百科的所有288种语言中都存在，那么用维基百科保持它的最新状态或添加一个数据只需要一次编辑，而不使用维基百科则需要288次编辑。这有助于提高维基百科上医疗内容的完整性和及时性，该资源已成为全球范围内患者和卫生专业人员寻求卫生信息的中心。

我们的经验是，Wikidata社区对新参与者非常开放，在将新数据集成到复杂的Wikidata知识库方面提供了建设性的反馈和帮助。我们决定邀请一个维基百科的成员谁提供了重要的支持成为这个手稿的共同作者(TS)。根据我们的经验，我们强烈建议在科学或医疗项目中包括长期的维基数据和维基百科社区成员，比如这个项目。

Wikidata是维基百科生态系统的新成员，它在为维基百科提供复杂数据或作为通用知识库的常规广泛使用方面的优势和劣势还有待确定。尽管Wikidata中的集中数据管理可以提高维基百科中的数据管理效率和质量，但它与维基百科的集成也可能是问题的根源。值得特别关注的是，并非维基百科中的所有数据都必须显示在维基百科上，而有助于纠正维基百科错误的“众多眼球”原则可能不适用于维基百科中的某些内容。没有长期维护计划的数据或在可见的Wikipedia文章中包含数据可能会导致过时数据的累积问题。

对华法林和雷美腾的DDI条目的回顾揭示了当前系统在提供临床重要和有用的DDI信息方面的严重局限性。强大的社区互动和反馈可以部分缓解这个问题，它有助于决定将哪些数据包含到Wikidata中，或不将哪些数据包含到Wikidata中，以保持知识库的可管理性。此外，使用自动机器人将原始数据源的数据导入并映射到Wikidata可能会发挥重要作用。机器人还可以进行例行检查，以确定不同的维基百科是否使用相同的数据，以及这些数据是否是维基百科数据的子集。Wikidata也在开发检查数据不一致的工具。此外，社区不仅倾向于维基百科范围内的数据，而且还被鼓励向源数据库报告错误，从而改善愿意共享其数据的数据库。

当我们将维基百科中对潜在药物相互作用的明确提及与ONC高优先级列表中的相互作用进行比较时，我们发现英文维基百科中有大量缺失的信息。这在维基百科的其他语言版本中可能会更加明显，因为这些版本的编辑数量通常比英文维基百科更少，覆盖面也更差。这一发现与之前的研究一致，后者发现在DDI知识库中捕获的药物相互作用对存在显著差异[24,25］．直接投资知识库的纳入和排除标准对其实际应用至关重要。尽管未能纳入高度显著的DDI可能会产生明显的负面后果，但在证据不足或临床意义低的情况下允许纳入大量DDI也可能产生负面影响，因为它可能导致认知超载和对真正显著的相互作用的忽视[13，使临床医生感到沮丧[26，并导致不适当的回应[27］．基于对主要DDI证据的批判性评估或已建立的专家策划的DDI资源，将临床重要DDI纳入其中应该是维基百科/维基百科社区的一个目标。

限制

在包括普通公众读者的公共网站上发布医疗数据需要特别注意，以确保正确理解数据及其影响。在这方面，需要进一步的工作来降低数据不当利用的风险(例如，明确清单中未出现的情况并不意味着某种药物组合不具有不良事件的风险)。此外，当当前实施注意到一个潜在的交互作用时，它没有提供关于交互作用的机制或降低患者风险的潜在行动的进一步信息。

我们当前实现的一个主要限制是Wikidata中的潜在DDI数据和维基百科文章正文中的潜在DDI信息的不一致表示。两个信息源之间潜在的冗余和差异可能会进一步增加这种混乱，而将维基百科与维基数据进行自动比较的检查尚未到位，用于药物相互作用。为了将所有潜在的直接直接注射信息集中在一处，将潜在的直接直接注射数据作为表格合并到“药物相互作用”标题下的正文中，可能比将其列入该页右上角的信息框中更好。此外，需要建立编辑策略，以澄清维基数据中的结构化数据和维基百科中的非结构化文本之间的关系。机器人的例行检查，可能是在对一个药物页面的每一次编辑之后，可能会确定列出的交互作用是否属于维基数据的子集。我们将研究在维基百科和维基数据的必要功能达到足够成熟时(在撰写本文时还没有达到这种情况)，如何将结构化数据自动包含到主要文章中。

我们的评估方法的一个局限性是，用于识别DDI提及的字符串匹配方法可能会遗漏使用药物类别参考而不是单个物质的提及。

与之前工作的比较

我们参与的维基百科医学项目还参与其他工作，例如管理医学主题的网站链接，或将医学主题与医学数据库中相应的标识符连接起来。此外，最近建立了一个维基计划，用于在Wikidata上提供分子生物学内容[28］．

Wikidata也可能成为生物医学领域大规模、基于图的知识集成任务的有趣平台，这些任务近年来已通过语义Web技术实现，如链接开放药物数据[29或Bio2RDF [30.］．需要进行进一步的研究和试点项目，以了解维基数据中心成为大规模医疗和生命科学数据集中存储库的潜力。

结论

我们相信，这项工作为通过结构化数据表示和自动化工作流来改进维基百科中的医疗信息的长期努力提供了基础。它将加强与医疗维基百科社区的合作，以多种语言将关于药品安全的高质量信息作为维基百科的一部分纳入生产使用。我们还将设法将我们在维基数据表中关于药物安全信息的工作与生物医学研究和生命科学等相关领域的项目结合起来。[31,32］．

最后，我们目前正准备与临床药理学和药物安全方面的国际专家合作，以建立和维护基于ONC高优先级列表和其他来源的重要ddi的机器可读、开源表示。建立这样的资源，不仅有利于维基百科中药物安全数据的质量，还可以提高临床决策支持干预措施的质量，甚至提高药品标签的质量[33］．

为了产生持续的影响，至关重要的是，维基百科社区在维基数据的结构化世界和维基百科的文本世界中进一步开展这项工作。我们邀请有兴趣的读者加入这一努力。