[論文レビュー] A Knowledge Graph-based Approach for Exploring the U.S. Opioid Epidemic

Maulik R. Kamdar, Tymor Hamamsy+5 more|arXiv (Cornell University)|May 27, 2019

Biomedical Text Mining and Ontologies参考文献 15被引用数 5

ひとこと要約

本稿では、米国42州の電子的医療記録から多様な薬剤名を標準化するOpioid Drug Knowledge Graph（ODKG）を紹介する。ODKGは、RxNormおよびATC語彙を活用することで、88％のカバレッジを達成し、オピオイド処方が傾向を一貫して分析可能にし、公衆衛生介入のためのスケーラブルなモデリングを支援する。

ABSTRACT

The United States is in the midst of an opioid epidemic with recent estimates indicating that more than 130 people die every day due to drug overdose. The over-prescription and addiction to opioid painkillers, heroin, and synthetic opioids, has led to a public health crisis and created a huge social and economic burden. Statistical learning methods that use data from multiple clinical centers across the US to detect opioid over-prescribing trends and predict possible opioid misuse are required. However, the semantic heterogeneity in the representation of clinical data across different centers makes the development and evaluation of such methods difficult and non-trivial. We create the Opioid Drug Knowledge Graph (ODKG) -- a network of opioid-related drugs, active ingredients, formulations, combinations, and brand names. We use the ODKG to normalize drug strings in a clinical data warehouse consisting of patient data from over 400 healthcare facilities in 42 different states. We showcase the use of ODKG to generate summary statistics of opioid prescription trends across US regions. These methods and resources can aid the development of advanced and scalable models to monitor the opioid epidemic and to detect illicit opioid misuse behavior. Our work is relevant to policymakers and pain researchers who wish to systematically assess factors that contribute to opioid over-prescribing and iatrogenic opioid addiction in the US.

研究の動機と目的

• 米国医療システムにおける臨床的オピオイドデータの意味的多様性に対処すること。
• 電子的医療記録における多様な薬剤名および製剤形態を標準化する、知識グラフベースのアプローチを構築すること。
• 標準化されたデータを用いて、地域的および時間的オピオイド処方傾向の大規模分析を可能にすること。
• 米国各地域におけるオピオイド乱用と過剰処方の可視化および監視を支援するウェブベースのツールの開発を支援すること。
• 将来的な機械学習モデルの開発を支援し、オピオイド乱用および過剰処方を予測すること。

提案手法

• RxNormおよびATC語彙を用いて、薬剤エンティティおよび関係を表現するOpioid Drug Knowledge Graph（ODKG）の構築。
• MedExを介して、複数施設のEMRデータウェアハウスからの臨床的薬剤文字列を、標準化されたCUIおよびRxCUIにマッピング。
• ATCクラスにおける階層的推論を活用し、関連するオピオイド関連の薬剤カテゴリーを同定および含める。
• 薬剤形態、ブランド名、活性成分、および配合剤を統合されたグラフ構造に統合。
• ODKGを用いて425,059件の固有の薬剤文字列を標準化し、RxCUIマッピングにより88％のカバレッジを達成。
• 米国各地域および時間的期間におけるオピオイド処方の要約統計および可視化の生成。

実験結果

リサーチクエスチョン

• RQ1 米国医療システムにおけるオピオイド薬剤名の意味的多様性は、大規模データ分析のためにどのように効果的に解消できるか？
• RQ2 知識グラフは、多様な電子的医療記録からの臨床的薬剤文字列の標準化をどの程度向上できるか？
• RQ3 全国規模のEMRウェアハウスからの標準化されたデータを用いて、どの地域的および時間的傾向が特定できるか？
• RQ4 知識グラフは、オピオイド乱用および過剰処方を監視・予測するスケーラブルなモデルの開発をどのように支援できるか？
• RQ5 知識グラフベースのアプローチは、米国各州および地域におけるオピオイド使用傾向のより正確で解釈可能な可視化を可能にするか？

主な発見

• ODKGは、全国のEMRデータウェアハウスから抽出された425,059件の固有の薬剤文字列を標準化RxCUIにマッピングする際、88％のカバレッジを達成した。
• モルヒネ、オキシコドン、ハイドロモルフォン、フェンタニルは、それぞれの一般成分クラスに属する薬剤文字列が1,000件以上インスタンス化された。
• フロリダ州では、マイアミ地域で約60,000件の固有のフェンタニル処方が、地域別処方マップで可視化された。
• 2012年頃にフェンタニル処方の著しい増加が、特定の米国地域における時間的推移の可視化で観察された。
• ODKGにより、特定の年においてフェンタニル、モルヒネ、またはオキシコドンの処方が10,000件を超える地域を同定でき、仮説の生成を支援した。
• 知識グラフ構造により、薬剤形態、ブランド名、組み合わせ、投与量の効率的クエリが可能であり、モルヒネからの一次ホップを表すTable 1の例示でこれを示した。