[논문 리뷰] Mining for adverse drug events with formal concept analysis

Alexander Estacio-Moreno, Yannick Toussaint외 1명|PubMed|2009. 01. 26.

Pharmacovigilance and Adverse Drug Reactions참고 문헌 10인용 수 7

한 줄 요약

이 논문은 형식개념분석(FCA)과 비율상이도 측도를 융합한 하이브리드 방법을 제안하여, 약물 상호작용 및 증후군과 같은 복잡한 관계를 포함한 약물 부작용(ADE) 신호를 식별한다. FCA를 통해 약물-AE 연관성을 체계화함으로써 진정한 신호를 보다 잘 탐지하고 공존 약물에 의한 가짜 양성 결과를 줄이며, 기존의 비율상이도 분석만으로는 달성하기 어려운 성능을 확보한다.

ABSTRACT

The pharmacovigilance databases consist of several case reports involving drugs and adverse events (AEs). Some methods are applied consistently to highlight all signals, i.e. all statistically significant associations between a drug and an AE. These methods are appropriate for verification of more complex relationships involving one or several drug(s) and AE(s) (e.g; syndromes or interactions) but do not address the identification of them. We propose a method for the extraction of these relationships based on Formal Concept Analysis (FCA) associated with disproportionality measures. This method identifies all sets of drugs and AEs which are potential signals, syndromes or interactions. Compared to a previous experience of disproportionality analysis without FCA, the addition of FCA was more efficient for identifying false positives related to concomitant drugs.

연구 동기 및 목표

• 기존의 비율상이도 방법이 약물-AE 복잡한 관계(예: 증후군, 상호작용 등)를 식별하는 데에 한계를 보이는 문제를 해결하기 위해.
• 약물부작용 감시 데이터에서 공존 약물 사용으로 인한 가짜 양성 신호를 줄이기 위해.
• 다중 약물 및 다중 부작용 패턴을 포함한 모든 잠재적 약물-AE 연관성을 추출하는 체계적인 방법을 개발하기 위해.
• 형식개념분석을 통계적 비율상이도 측도와 융합하여 약물부작용 감시에서의 신호 탐지 능력을 향상시키기 위해.

제안 방법

• 이 방법은 형식개념분석(FCA)을 적용하여 약물 및 부작용(AE) 데이터를 형식적 개념으로 정리함으로써 공존 패턴을 표현한다.
• 비율상이도 측도(예: 보고 오즈비)를 사용하여 약물-AE 연관성의 통계적 유의성을 정량화한다.
• FCA는 데이터를 개념 격자로 구조화하여 예상보다 더 자주 함께 나타나는 약물과 AEs의 최대 집합을 식별할 수 있도록 한다.
• 이 방법은 개별 약물-AE 쌍 외에도 약물 조합 및 증상 군집과 같은 고차원적 연관성을 탐지할 수 있다.
• FCA의 구조적 통찰력과 통계적 유의성 기준을 조합하여 후보 신호를 우선순위 정렬한다.
• 이를 통해 다중 약물 상호작용 및 부작용 증후군과 같은 복잡한 관계를 체계적으로 탐색할 수 있다.

실험 결과

연구 질문

• RQ1 형식개념분석은 기존의 비율상이도 분석을 넘어서 약물 부작용 탐지에 어떻게 기여하는가?
• RQ2 FCA를 사용하여 체계적으로 식별할 수 있는 복잡한 약물-AE 관계(예: 상호작용, 증후군 등)는 어떤 유형이 있는가?
• RQ3 FCA는 공존 약물 사용으로 인한 가짜 양성 신호를 어느 정도 줄일 수 있는가?
• RQ4 FCA 기반의 마이닝은 기존에 발견되지 않았거나 미흡하게 보고된 약물-AE 연관성을 약물부작용 감시 데이터베이스에서 식별할 수 있는가?
• RQ5 FCA와 통계적 측도의 융합은 대규모 부작용 보고서에서의 신호 탐지 능력을 어떻게 향상시키는가?

주요 결과

• 비율상이도 분석과 FCA를 융합한 방법은 기존의 표준 비율상이도 방법에 비해 공존 약물과 관련된 가짜 양성 신호를 크게 감소시켰다.
• 이 방법은 기존의 접근 방식이 놓쳤던 잠재적 약물-약물 상호작용 및 부작용 증후군과 같은 복잡한 연관성을 성공적으로 식별했다.
• 형식개념분석을 통해 약물과 AEs의 최대 집합을 체계적으로 마이닝할 수 있었으며, 이는 부작용 보고서 내 고차원 패턴을 드러내었다.
• 개념 격자로 데이터를 체계화함으로써 더 집중적이고 해석 가능한 공존 사건 분석이 가능해져, 신호 탐지 능력이 향상되었다.
• 이 방법은 공처방 약물에 기인한 잡음은 걸러내면서도 진정한 신호를 보다 잘 식별하는 데 성능 향상을 보였다.