Chi-Shiang AU - TY -的盟Wang Lin, Pei-Ju AU - Cheng Ching-Lan盟——太湖,Shu-Hua AU -杨花王,“非盟,蒋介石Jung-Hsien PY - 2019 DA - 2019/02/06 TI -检测潜在的药物不良反应使用深层神经网络模型乔- J地中海互联网Res SP - e11016六世- 21 - 2 KW -药品不良反应KW -深层神经网络千瓦药物表示KW -机器学习KW -药物警戒AB -背景:药物不良反应(adr)很常见，是每年造成100多万严重伤害和死亡的根本原因。检测adr最常见的方法是依靠自发报告。不幸的是，自发报告的低报告率严重限制了药物警戒。目的:探讨一种基于深度神经网络(DNN)的药物潜在不良反应自动检测方法。方法:我们设计了一个DNN模型，利用药物的化学、生物学和生物医学信息来检测adr。该模型旨在实现两个主要目的:识别药物的潜在不良反应和预测新药的可能不良反应。为了提高检测性能，我们将目标药物的表示分布在向量空间中，使用词嵌入方法来处理大量生物医学文献，以捕获药物关系。此外，我们建立了一个映射函数来处理未出现在数据集中的新药。结果:利用截至2009年的药品信息和药品不良反应报告，对截至2012年的药品不良反应进行预测。 There were 746 drugs and 232 new drugs, which were only recorded in 2012 with 1325 ADRs. The experimental results showed that the overall performance of our model with mean average precision at top-10 achieved is 0.523 and the rea under the receiver operating characteristic curve (AUC) score achieved is 0.844 for ADR prediction on the dataset. Conclusions: Our model is effective in identifying the potential ADRs of a drug and the possible ADRs of a new drug. Most importantly, it can detect potential ADRs irrespective of whether they have been reported in the past. SN - 1438-8871 UR - //www.mybigtv.com/2019/2/e11016/ UR - https://doi.org/10.2196/11016 UR - http://www.ncbi.nlm.nih.gov/pubmed/30724742 DO - 10.2196/11016 ID - info:doi/10.2196/11016 ER -