[논문 리뷰] A Knowledge Graph-based Approach for Exploring the U.S. Opioid Epidemic

Maulik R. Kamdar, Tymor Hamamsy외 5명|arXiv (Cornell University)|2019. 05. 27.

Biomedical Text Mining and Ontologies참고 문헌 15인용 수 5

한 줄 요약

이 논문은 미국 42개 주에서 전자 의무 기록(electronic medical records)의 이질적인 약물 이름을 정규화하는 Opioid Drug Knowledge Graph(ODKG)를 소개한다. 이는 옥시코돈 처방 추세의 일관된 분석을 가능하게 한다. RxNorm과 ATC 용어 체계를 활용함으로써 ODKG는 약물 문자열의 88%를 매핑하여 옥시코돈 사용의 지역적 및 시계적 시각화를 가능하게 하고, 공중보건 개입을 위한 확장 가능한 모델링을 지원한다.

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.

연구 동기 및 목표

• 미국 의료 시스템 전반에서 임상적 옥시코돈 데이터의 의미적 이질성 문제를 해결하기 위해.
• 전자 의무 기록 내 다양한 약물 이름과 제제를 정규화하기 위한 표준화된 지식 그래프 기반 접근법을 개발하기 위해.
• 정규화된 데이터를 활용해 대규모로 지역적 및 시계적 옥시코돈 처방 추세를 분석할 수 있도록 하기 위해.
• 미국 각 지역에서 옥시코돈 유행을 시각화하고 모니터링하기 위한 웹 기반 도구 개발을 지원하기 위해.
• 향후 옥시코돈 오용 및 과다 처방을 예측하기 위한 기계학습 모델 개발을 지원하기 위해.

제안 방법

• RxNorm과 ATC 용어 체계를 활용해 약물 실체와 관계를 표현하는 Opioid Drug Knowledge Graph(ODKG) 구축.
• MedEx를 통한 다중 기관 EMR 데이터 웨어하우스에서의 임상적 약물 문자열을 표준화된 CUI 및 RxCUI로 매핑.
• ATC 계층적 분류에서의 추론을 활용해 모든 관련 옥시코돈 관련 약물 카테고리 식별 및 포함.
• 약물 제제, 브랜드명, 활성 성분, 조합을 통합된 그래프 구조에 통합.
• ODKG를 활용해 425,059개의 고유한 약물 문자열을 정규화하여 RxCUI 매핑을 통해 88%의 커버리지 달성.
• 미국 지역 및 시간대별로 옥시코돈 처방의 요약 통계 및 시각화 생성.

실험 결과

연구 질문

• RQ1 미국 의료 시스템 전역에서 옥시코돈 약물 이름의 의미적 이질성 문제를 대규모 데이터 분석을 위해 효과적으로 해결할 수 있는가?
• RQ2 지식 그래프가 다양한 전자 의무 기록에서 온 임상적 약물 문자열의 정규화에 얼마나 기여할 수 있는가?
• RQ3 국가 규모의 EMR 웨어하우스에서 정규화된 데이터를 활용해 어떤 지역적 및 시계적 옥시코돈 처방 패턴을 식별할 수 있는가?
• RQ4 지식 그래프가 옥시코돈 오용 및 과다 처방을 모니터링하고 예측하기 위한 확장 가능한 모델 개발을 어떻게 지원할 수 있는가?
• RQ5 지식 그래프 기반 접근법을 통해 미국 주 및 지역 전역에서 옥시코돈 사용 추세의 더 정확하고 해석 가능한 시각화를 가능하게 할 수 있는가?

주요 결과

• ODKG는 국가 규모의 EMR 웨어하우스에서 유래한 425,059개의 고유한 약물 문자열을 표준화된 RxCUI로 매핑하는 데 88%의 커버리지 달성.
• 모르핀, 옥시코돈, 히드로모르포논, 페니티닐 각각의 경우 ODKG 내 해당 고유 성분 클래스에 1,000개 이상의 약물 문자열이 할당됨.
• 플로리다주에서 마이애미 지역은 약 60,000건의 고유한 페니티닐 처방이 기록되었으며, 지역별 처방 지도에서 확인됨.
• 2012년 경부터 페니티닐 처방이 증가하는 경향이 관찰되었으며, 일부 미국 지역의 시계열 시각화에서 확인됨.
• ODKG는 특정 연도에 페니티닐, 모르핀 또는 옥시코돈에 대해 10,000건 이상의 고유 처방이 기록된 지역을 식별하는 데 기여하여 가설 생성을 지원함.
• 지식 그래프 구조는 약물 제제, 브랜드명, 조합, 복용량에 대한 효율적인 쿼리 가능성을 제공하며, 표본 1에서 모르핀에서의 1단계 이격 탐색을 통해 이를 입증함.