[論文レビュー] Drug Recommendation toward Safe Polypharmacy

Wen-Hao Chiang, Li Shen+2 more|arXiv (Cornell University)|Mar 8, 2018

Computational Drug Discovery Methods被引用数 7

ひとこと要約

本論文は、有害な薬物間相互作用（ADR）リスクを考慮して、避けるべき薬物または安全な薬物を推奨するための、共同スパース線形レコメンデーションおよびロジスティック回帰モデル（SlimLogR）を提案する。このモデルは、薬物の併用パターンとADR確率を同時に学習し、実世界のデータセットにおいて、ADR予測精度が高く、避けるべき／安全な薬物の推奨が有効であることを示した。

ABSTRACT

Adverse drug reactions (ADRs) induced from high-order drug-drug interactions (DDIs) due to polypharmacy represent a significant public health problem. In this paper, we formally formulate the to-avoid and safe (with respect to ADRs) drug recommendation problems when multiple drugs have been taken simultaneously. We develop a joint model with a recommendation component and an ADR label prediction component to recommend for a prescription a set of to-avoid drugs that will induce ADRs if taken together with the prescription. We also develop real drug-drug interaction datasets and corresponding evaluation protocols. Our experimental results on real datasets demonstrate the strong performance of the joint model compared to other baseline methods.

研究の動機と目的

• 多剤併用における避けるべき薬物および安全な薬物の推薦問題を形式的に定義し、解決すること。
• 深刻な公衆衛生問題である高次元の薬物間相互作用（DDI）に起因する有害な薬物反応（ADR）を扱うこと。
• エビデンスに基づく、予防的かつ個人中心の薬物処方意思決定を支援するデータ駆動型計算フレームワークの開発。
• 実世界のDDIおよびADRデータセットと評価プロトコルの構築により、薬物推薦システムの再現可能なベンチマークが可能になるようにすること。
• 従来のECレコメンデーションモデルを改善し、ADRラベル予測と併用シナジー検出を組み込むこと。

提案手法

• ADRラベル予測のためのスパース線形レコメンデーション部とロジスティック回帰部を統合した共同モデル、SlimLogRを提案する。
• レコメンデーション部は、ADR誘因となる処方と非ADR誘因となる処方から、併用パターンを学習し、関連する薬物を提案する。
• ADRラベル予測部は、予測されたADR確率に基づいてレコメンデーションを再順序付けし、高リスクまたは安全な薬物を優先する。
• 2つの部品を同時に学習させることで、レコメンデーションが期待されるADR結果と整合するように保証する。
• 実際の電子カルテデータを用いた新しい評価プロトコルを採用し、レコメンデーションの質とADR予測性能を評価する。
• 実処方データから抽出したデータセットを用い、高次元のDDIと関連するADRを同定し、論文受諾後に公開する。

実験結果

リサーチクエスチョン

• RQ1 共同モデルは、併用パターンを効果的に学習し、ADRリスクを予測して多剤併用における避けるべき薬物を推奨できるか？
• RQ2 SlimLogRモデルは、避けるべき薬物および安全な薬物の推薦タスクにおいて、ベースライン手法に比べてどの程度の性能を示すか？
• RQ3 このモデルは、実世界の処方データから高次元のDDIと関連するADRをどの程度検出できるか？
• RQ4 処方に既知のADR誘因薬物が存在しない場合でも、モデルはADRを誘因しない薬物を推奨できるか？
• RQ5 筋症（例：シムバスタチン、アトロルバスタチン）に関連する薬物の併用パターンは、ADR群と非ADR群でどのように異なるか？

主な発見

• SlimLogRモデルは、実データセット上での避けるべき薬物および安全な薬物の推薦タスクにおいて、ベースライン手法を顕著に上回り、優れた予測精度を示した。
• モデルは、SIDERに記載されたように、28.72％のADR誘因処方で筋症を引き起こすとされるシムバスタチンやアトロルバスタチンといった既知のADR誘因薬物を正しく特定した。
• ADR誘因処方における上位の併用薬物ペア（例：サルメタロール・フルチカゾン、ロピナビール・リトナビル）は臨床的使用と整合しており、モデルの信頼性を示している。
• 処方に既知のADR誘因薬物が存在しない場合でも、モデルは避けるべき薬物を正しく推奨でき、強力なパターン学習と一般化能力を示している。
• 学習された重み行列W+とW−は臨床的に意味のある薬物の組み合わせを反映しており、W−は高い密度（0.8％）を示し、HIV治療におけるテノホビアシン・エムトリシタビンのような一般的なDDIペアを捉えている。
• 評価プロトコルとデータセットは公開されており、今後の安全な多剤併用研究における再現性とベンチマークが可能になる。