[论文解读] 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 5

一句话总结

本文介绍了阿片类药物知识图谱（ODKG），该图谱对美国42个州的电子病历中的异构药物名称进行标准化，实现了阿片类药物处方趋势的一致性分析。通过利用RxNorm和ATC术语体系，ODKG在药物字符串映射中实现了88%的覆盖率，支持阿片类药物使用情况的区域与时间可视化，并为公共卫生干预的可扩展建模提供支持。

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.

研究动机与目标

• 解决美国医疗系统中临床阿片类药物数据的语义异质性问题。
• 开发一种基于知识图谱的标准化方法，用于对电子病历中多样的药物名称和剂型进行标准化。
• 利用标准化数据实现对美国各地区和时间维度上阿片类药物处方趋势的大规模分析。
• 支持开发基于网络的工具，用于可视化和监测美国各地区的阿片类药物流行情况。
• 促进未来用于预测阿片类药物滥用和过度处方的机器学习模型的发展。

提出的方法

• 利用RxNorm和ATC术语体系构建阿片类药物知识图谱（ODKG），以表示药物实体及其关系。
• 通过MedEx将多中心电子病历数据仓库中的临床药物字符串映射到标准化的CUI和RxCUI。
• 对ATC类别应用分层推理，以识别并包含所有相关的阿片类药物类别。
• 将药物剂型、商品名、活性成分及复方制剂整合到统一的图结构中。
• 应用ODKG对425,059个唯一的药物字符串进行标准化，通过RxCUI映射实现88%的覆盖率。
• 生成美国各地区和时间段内阿片类药物处方的汇总统计和可视化结果。

实验结果

研究问题

• RQ1 如何有效解决美国医疗系统中阿片类药物名称的语义异质性，以支持大规模数据分析？
• RQ2 知识图谱在从多样化电子病历中标准化临床药物字符串方面，能在多大程度上提升效果？
• RQ3 利用全国范围电子病历仓库的标准化数据，可以识别出哪些区域和时间上的阿片类药物处方模式？
• RQ4 知识图谱如何支持可扩展模型的开发，以监测和预测阿片类药物滥用与过度处方？
• RQ5 基于知识图谱的方法能否实现对美国各州和区域阿片类药物使用趋势更准确且可解释的可视化？

主要发现

• ODKG在将全国电子病历数据仓库中的425,059个唯一药物字符串映射到标准化RxCUI时，实现了88%的覆盖率。
• 在ODKG中，吗啡、羟考酮、羟吗啡酮和芬太尼各自的通用成分类别下，均存在超过1,000个药物字符串实例。
• 在佛罗里达州，迈阿密地区记录了约60,000例独特的芬太尼处方，如区域处方地图所示。
• 时间序列可视化显示，约在2012年左右，芬太尼处方数量显著增加，该趋势在部分美国地区可见。
• ODKG使研究者能够识别出在特定年份中，芬太尼、吗啡或羟考酮处方超过10,000例的地区，为假设生成提供支持。
• 知识图谱结构支持对药物剂型、商品名、复方制剂及剂量的高效查询，如表1中从吗啡出发的一阶邻接查询所示。