استخراج التفاعلات الدوائية الضارة من الوسائط غير المنظمة بحجم كبير

تُعد التفاعلات السلبية للأدوية / الأحداث المرتبطة بالأدوية (ADR/ADE) من العوامل المؤثرة بشكل كبير على صحة المرضى وعلى تكاليف الرعاية الصحية. ويمكن منع الضرر الناتج عن هذه التفاعلات والإنقاذ الفعلي لعشرات الأرواح من خلال اكتشاف هذه التفاعلات في أسرع وقت ممكن، ومشاركة المعلومات عنها مع الجهات التنظيمية، والشركات الصيدلانية، ومقدمي الرعاية الصحية. وعلى الرغم من أن معظم حالات ADR لا تُبلغ عبر القنوات الرسمية، فإنها غالبًا ما تُسجّل في مجموعة متنوعة من المحادثات غير المنظمة، مثل منشورات المرضى على وسائل التواصل الاجتماعي، أو سجلات مكالمات دعم العملاء، أو ملاحظات أنظمة إدارة علاقات العملاء (CRM) الخاصة باجتماعات بين ممثلي شركات الأدوية ومقدمي الرعاية الصحية. في هذه الورقة، نقترح حلًا مبنيًا على معالجة اللغة الطبيعية (NLP) لاكتشاف حالات ADR في هذه المحادثات النصية الحرة غير المنظمة، والذي يتفوق على الأبحاث السابقة بثلاث طرق رئيسية. أولاً، تم تطوير نموذج جديد لاستخراج الكيانات المحددة (NER) يحقق دقة قياسية جديدة في استخراج كيانات ADR والأدوية على مجموعات البيانات المعيارية ADE وCADEC وSMM4H (بمتوسط دقة F1 قدره 91.75% و78.76% و83.41% على التوالي). ثانيًا، تم تقديم نموذجين جديدين لاستخراج العلاقات (RE): الأول يستند إلى نموذج BioBERT، بينما يعتمد الثاني على ميزات مصممة خصيصًا ضمن شبكة عصبية متصلة بالكامل (FCNN)، وقد أظهر كلا النموذجين أداءً مماثلًا للنماذج الرائدة الحالية، وتفوقا عليها عند التدريب باستخدام مجموعة بيانات إضافية مُANNOTATED من قبل أطباء ممارسين. ثالثًا، تم تطوير نموذج تصنيف نصي جديد لتحديد ما إذا كانت محادثة معينة تحتوي على تفاعل سلبي دوائي، والذي حقق دقة قياسية جديدة على مجموعة بيانات CADEC (بمتوسط دقة F1 قدره 86.69%). تم تنفيذ الحل الكامل كممر موحد لمعالجة اللغة الطبيعية ضمن مكتبة جاهزة للإنتاج مبنية على Apache Spark، مما يضمن قابلية التوسع الأصيلة وقدرة المعالجة على تحليل ملايين السجلات الدفعية أو التدفقات في مجموعات معدات عادية (commodity clusters).