[論文レビュー] Automagically encoding Adverse Drug Reactions in MedDRA

Carlo Combi, Riccardo Lora+3 more|arXiv (Cornell University)|Jun 26, 2015

Biomedical Text Mining and Ontologies参考文献 20被引用数 7

ひとこと要約

本論文では、自由記述の副作用反応（ADR）記述を標準化されたMedDRA用語に自動的にエンコードするNLPベースのシステム、MagiCoderを提示する。語の一致と意味的類似度を活用することで、MagiCoderは高い再現率で関連するMedDRA用語を提案し、70,000語の用語を手動で検索するのではなく、薬物疫学的モニタリング専門家が検証するのを可能にすることで、ADRレポートにおける効率性と一貫性を向上させる。

ABSTRACT

Pharmacovigilance is the field of science devoted to the collection, analysis and prevention of Adverse Drug Reactions (ADRs). Efficient strategies for the extraction of information about ADRs from free text resources are essential to support the work of experts, employed in the crucial task of detecting and classifying unexpected pathologies possibly related to drug assumptions. Narrative ADR descriptions may be collected in several way, e.g. by monitoring social networks or through the so called spontaneous reporting, the main method pharmacovigilance adopts in order to identify ADRs. The encoding of free-text ADR descriptions according to MedDRA standard terminology is central for report analysis. It is a complex work, which has to be manually implemented by the pharmacovigilance experts. The manual encoding is expensive (in terms of time). Moreover, a problem about the accuracy of the encoding may occur, since the number of reports is growing up day by day. In this paper, we propose MagiCoder, an efficient Natural Language Processing algorithm able to automatically derive MedDRA terminologies from free-text ADR descriptions. MagiCoder is part of VigiWork, a web application for online ADR reporting and analysis. From a practical view-point, MagiCoder radically reduces the revision time of ADR reports: the pharmacologist has simply to revise and validate the automatic solution versus the hard task of choosing solutions in the 70k terms of MedDRA. This improvement of the expert work efficiency has a meaningful impact on the quality of data analysis. Moreover, our procedure is general purpose. We developed MagiCoder for the Italian pharmacovigilance language, but preliminarily analyses show that it is robust to language and dictionary changes.

研究の動機と目的

• ADRレポートの手動によるMedDRAエンコードに要する時間と認知的負荷を低減すること。
• 薬物疫学的システムにおけるADRコード化の一貫性とスケーラビリティを向上させること。
• 機械による提案されたMedDRA用語をレビューするための支援を通じて、薬物疫学的モニタリング専門家を支援すること。
• 異なる言語的・用語的バリエーションに適用可能な言語に依存しないNLPソリューションを開発すること。
• VigiWorkのような自発的ADRレポートシステムの質と効率を向上させること。

提案手法

• MagiCoderは、語彙的マッチングと意味的類似度を用いて、自由記述のADRナラティブからキーメディカル用語を抽出することで処理を行う。
• 自然言語表現をMedDRAの下位用語（LLT）にマッピングするため、辞書ベースのアプローチを採用する。
• 文法的構造に依存せずに候補用語を取得することで、文のバリエーションに強く対応できる。
• 同義語や同義語に類するマッピングを活用することで、非直感的または変種表現に対しても再現率を向上させる。
• WebベースのADRレポートプラットフォームVigiWorkに統合され、リアルタイムでの用語提案を支援する。
• 今後の拡張では、スペルチェック、否定検出、フィードバックループによる動的同義語拡張の統合を予定している。

実験結果

リサーチクエスチョン

• RQ1 自動化されたNLPシステムは、高い再現率と正確性を達成しながら、自由記述のADR記述を標準化されたMedDRA用語に効果的にマッピングできるか？
• RQ2 MagiCoderのパフォーマンスは、時間の節約と正確性の観点で、手動エンコードと比較してどの程度優れているか？
• RQ3 MagiCoderは言語的バリエーションや辞書の変更に対してどの程度頑健であるか？
• RQ4 MagiCoderはADRナラティブ内の否定表現や誤りのある用語を検出し、入力品質を向上させることができるか？
• RQ5 自動用語提案は、ADRレポートのレビューにおける薬物疫学的モニタリング専門家のワークフローをどのように改善できるか？

主な発見

• MagiCoderは、専門家が70,000語の用語を検索するのではなく、提案された用語を検証・承認するのを許容することで、MedDRAエンコードに要する時間を大幅に短縮する。
• 正確な語彙的マッチがなくても、意味的に同等または類似する用語を同定することで、高い再現率を達成している。
• 事例では、'ipotensione'（低血圧）や'febbre'（発熱）といった用語を正しく同定しており、レビュアーが'piressia'のような同義語を使用した場合でも同様に正しく処理されている。
• アルゴリズムは言語的・辞書的変更に対しても頑健であることが示され、多言語展開の可能性を示唆している。
• 人為のレビュアーが明示的に言及しなかった用語、例えばナラティブ記述における'Shock anafilattico'（アナフィラキシーショック）なども、成功裏に検出している。
• 予備的な結果では、スペルチェックや否定検出といった機能の拡張が、さらなる使いやすさと正確性の向上に寄与できると示唆されている。