面向社交網路的藥物不良反應的隱含知識發現

《面向社交網路的藥物不良反應的隱含知識發現》是依託大連理工大學,由林鴻飛擔任項目負責人的面上項目。

基本介紹

• 中文名：面向社交網路的藥物不良反應的隱含知識發現
• 依託單位：大連理工大學
• 項目類別：面上項目
• 項目負責人：林鴻飛

項目摘要

目前藥物不良反應對於人的生命健康造成很大的危害，如何快速識別和發現藥物不良反應具有非常實際的意義。在移動互聯時代，來自社交網路的藥物評論是挖掘藥物不良反應非常有價值的信息源。本課題的研究目標不僅僅識別出藥物的不良反應事件，同時，基於生物醫學文獻的隱含知識發現，找到可能的解釋路徑。因此，將藥物不良反應的知識發現過程分為兩個部分，一是假設生成，二是假設檢驗。其基本流程如下：首先，通過社交網路採集用戶評論信息，利用基於詞向量和神經網路的命名實體識別方法、基於依存關係的事件抽取方法，獲取藥物、不良反應症狀以及背景信息，形成藥物不良反應的假設；然後，利用生物醫學領域豐富的語義資源，採取基於哈希圖核方法抽取藥物與症狀、藥物與基因的關係，利用深度學習方法進行病理路徑聚類和評分，構建藥物不良反應的隱含知識發現模型，對於不良反應給出可能的解釋路徑，輔助醫學研究人員對於藥物不良反應做出判定。

結題摘要

藥物不良反應已成為醫學界和廣大民眾關注的熱點，用藥安全問題日益得到全社會的重視，如何判斷和預測藥物不良反應具有重大的理論價值和實用價值。隨著網際網路和社交網路的迅速普及，來自社交網路的藥物評論成為了挖掘藥物不良反應非常有價值的信息源。本項目基於社交網路識別藥物不良反應事件，並基於生物醫學文獻開展了隱含知識發現，找到了可能的解釋路徑。本項目將藥物不良反應的知識發現過程分為兩個部分，一是假設生成，二是假設檢驗。其基本流程如下：首先，提出了基於意圖理解和偽相關反饋的生物醫學文獻檢索方法，用以檢索出不良反應相關的醫學文獻，並通過社交網路採集用戶評論信息，進而構建了基於注意力機制的深度神經網路模型進行命名實體識別，實現了基於依存關係的事件抽取方法，獲取藥物、不良反應症狀以及背景信息，形成了藥物不良反應的假設；然後，利用生物醫學領域豐富的語義資源，提出了基於哈希圖核的關係抽取方法，抽取藥物與症狀、藥物與基因以及藥物致病關係，實現了深度學習方法進行病理路徑聚類和評分，構建了藥物不良反應的隱含知識發現模型，對於不良反應給出了可能的解釋路徑，輔助醫學研究人員對於藥物不良反應做出判定。 項目研製以來，在面向生物醫學領域的信息檢索、命名實體識別、關係抽取、事件抽取、藥物致病關係抽取以及藥物不良反應隱含知識發現等領域，取得了初步的進展。總計發表論文60餘篇，SCI論文30篇，其中CCF推薦列表中的A、B類期刊和會議論文16篇，主要會議有IJCAI、CIKM、BIBM等，主要SCI期刊Bioinformatics, IEEE/ACM Transactions on Computational Biology and Bioinformatics,BMC Bioinformatics，Journal of Biomedical Informatics等以及中文期刊《計算機學報》、《計算機研究與發展》、《模式識別與人工智慧》和《中文信息學報》等。申請發明專利6項，軟體著作權2項，為相關領域研究提供了有效的解決方案，通過藥物不良反應知識發現平台給出藥物不良反應潛在的解釋路徑，為醫學研究提供了重要的輔助參考，促進了醫學領域研究持續發展。