[논문]BERT+ 알고리즘 기반 약물 리뷰를 활용한 약물 이상 반응 탐지

허은영; 정현정; 김현희

doi:10.3745/ktsde.2021.10.11.465

BERT+ 알고리즘 기반 약물 리뷰를 활용한 약물 이상 반응 탐지
Detection of Adverse Drug Reactions Using Drug Reviews with BERT+ Algorithm 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.10 no.11, 2021년, pp.465 - 472

허은영 (한양대학교 컴퓨터소프트웨어학과) , 정현정 (동덕여자대학교 정보통계학과) , 김현희 (동덕여자대학교 정보통계학과)

초록
AI-Helper

본 논문에서는 약물의 시판 후 이상 반응을 모니터링하기 위해 약물 리뷰 데이터로부터 약물 이상 반응을 탐지할 수 있는 방법을 제시하였다. 부정적인 약물 리뷰는 주로 약물 이상 반응을 언급하고 있다는 점을 고려하여 약물 리뷰들을 감성 분석하여 부정 리뷰를 추출하고, 부정 리뷰에 사전 기반 추출과 개체명 인식 기법을 적용하여 약물 이상 반응을 탐지하였다. 제안하는 BERT+ 알고리즘으로 부정 리뷰를 판별한 다음, MedDRA 표준 의학 용어 사전을 활용해 이상 반응 단어를 찾고, 개체명 인식 기법을 사용하여 구로 표현된 이상 반응 표현을 탐지하였다. 실험을 위해 비스테로이드성 소염진통제 세 종류의 약물 리뷰를 약물 리뷰 사이트로부터 수집하여 테스트하였으며, 실험 결과는 약물 리뷰를 통한 약물 이상 반응 탐지가 현재의 약물 감시 체계의 한계점을 보완할 수 있음을 보여준다.

Abstract ▼ AI-Helper

In this paper, we present an approach for detection of adverse drug reactions from drug reviews to compensate limitations of the spontaneous adverse drug reactions reporting system. Considering negative reviews usually contain adverse drug reactions, sentiment analysis on drug reviews was performed and extracted negative reviews. After then, MedDRA dictionary and named entity recognition were applied to the negative reviews to detect adverse drug reactions. For the experiment, drug reviews of Celecoxib, Naproxen, and Ibuprofen from 5 drug review sites, and analyzed. Our results showed that detection of adverse drug reactions is able to compensate to limitation of under-reporting in the spontaneous adverse drugs reactions reporting system.

주제어

표/그림 (13)

그림 Fig. 1. System Overview
그림 Fig. 2. Accuracy and Loss Graph using k-fold
그림 Fig. 3. BERT Predict Results Distribution
표 Table 1. BERT+ Algorithm
그림 Fig. 4. Prediction Results using BERT+
그림 Fig. 5. Frequency of ADRs Words in Celecoxib
그림 Fig. 6. Frequency of ADRs Words in Naproxen
표 Table 2. Differences between BERT and BERT+ Prediction
표 Table 3. Example of MedDRA Dictionary
그림 Fig 7. Frequency of ADRs Words in Ibuprofen
그림 Fig. 8. An Example of Detection of ADRs
표 Table 4. ADRs Detection Classification Report
표 Table 5. Adverse Drug Reaction using NER

참고문헌 (30)

S. M. Rebecca, "Epidemiology of drug allergy," Drug Allergy Test, pp.1-9, 2018.
S. K. Choi, "Understanding of clinical trials and application to the real practice," Korean Journal of Biological Psychiatry, Vol.19, No.4, pp.153-158, 2012.
N. Yoon and M. Kang, "A study of adverse drug event reporting systems in Korea," Korean Journal of Community Pharmacy, Vol.5, No.1, pp.56-65, 2019.
K. Sarvnaz, W. Chen, M-J Alejandro, G. Raj, and P. Cecile,, "Text and data mining techniques in adverse drug reaction detection," ACM Computing Surveys, Vol.47, No.4, pp.1-39, 2015.

상세보기
X. Wang, G. Hripcsak, M. Markatou, and C. Friedman, "Active computerized pharmacovigilance using matural language processing, statistics, and electronic health records: A feasible study," Journal of American Medical Informatics Association, Vol.16, No.3, pp.328-337, 2009.
A. Henriksson, M. Kvist, H. Dalianis, and M. Duneld, "Identifying adverse drug event information in clinical notes with distributed semantic representations of context," Journal of Biomeical. Informatics, Vol.57, No.C, pp.333-349, 2015.

상세보기
A. Sarker, R. Ginn, A. Nikfarjam, K. O'Connor, K. Smith, S. Jayaraman, T. Upadhaya, and G. Gonzalez, "Utilizing social media data for Pharmacovigilance: A review," Journal Biomedical Informatics, Vol.54, pp.202-212, 2015.

상세보기
Y. Andrew, N. Goharian, and O. Frieder, "Extracting adverse drug reactions from social media," In Proceedings of Twenty-Ninth AAAI Conference on Artificial Intelligence, 2015.
A. Cocos, A. G. Fikes, and A. J. Masino, "Deep learning for pharmacovigilance: Recurrent neural network architectures for labeling adverse drug reactiosn in Twitter posts," Journal of American Medical Informatics Association, Vol.24, No.4, pp.813-821, 2017.

상세보기
A. Nikfarjam, A. Sarker, K. O'connor, R. Ginn, and G. Gonzalez, "Pharmacovigilance from social media: Mining adverse drug reaction mentions using sequence labeling with word embedding cluster features," Journal of American Medical Information Association, Vol.22, No.3, pp.671-681, 2015.

상세보기
F. Graesser, S. Kallumadi, H. Malberg, and S. Zaunseder, "Aspect-based sentiment analysis of drug reviews applying cross-domain and cross-data learning," in Proceedings of the International Conference on Digital Health, pp.121-125, 2018.
I. Korkontzelos, A. Nikfarjam, M. Shardlow, A. Sarker, S. Ananiadou, and G. H. Gonzalez, "Analysis of the effect of sentiment analysis on extracting adverse drug reactions from tweets and forum posts," Journal of Biomedical Informatics, Vol.62, pp.148-158, 2016.

상세보기
B. Fan, W. Fan, C. Smith, and H. S. Garner, "Adverse drug event detection and extraction from open data: A deep learning approach," Information Processing and Management, Vol.57, No.1, pp.102131, 2020.

상세보기
B. M. R. Spiegel, M. Farid, G. S. Dulai, I. M. Gralnek, and F. Kanwal, "Comparing rates of dyspepsia with Coxibs vs NSAIDS+PPI: A meta-analysis," American Journal of Medicine, Vol.5, No.119, pp.e427-436, 2006.
S. E. Nissen, et al., "Cardiovascular safety of Celecoxib, Naproxen, or Ibuprofen for Arthritis," New England Journal of Medicine, pp.2519-2529, 2016.
MedDRA [Internet], https://www.meddra.org/
A. Cocos, A. G. Fikes, and A. J. Masino, "Deep learning for pharmacovigilance: Recurrent neural network architectures for labeling adverse drug reactions in Twitter posts," Journal of American Medical Information Association, Vol.24, No.4, pp.813-821, 2017.

상세보기
C. S. Wang, P. J. Lin, C. L. Cheng, S. H. Tai, Y. H. K. Yang, B. S. Pharm, and J. H. Chiang, "Detecting potential adverse drug reactions using a deep neural network model," Journal of Medical Internet Research, Vol.21, No.2, pp.e11016, 2019.

상세보기
J. Devlin, M. W. Chang, K. Lee, and K. Toutanova, "BERT: Pre-training of deep bidirectional transformers for language understanding," CoRR, https://arxiv.org/abs/1810.04805, 2018.
A. Breden and L. Moore, "Detecting adverse drug reactiosn from twitter through domain-specific preprocessing and BERT ensemble," https://arxiv.org/abs/2005.06634.
S. Hussain, H Afzal, R. Saeed, N. Iltaf, and M. Y. Umaire, "Pharmacovigilance with transformers: A framework to detect adverse drug reactiosn using BERT fine-tuned with FARM," Computational and Mathmatics Methods in Medicine, Vol.2021, https://doi.org/10.1155/2021/5589829

상세보기
X. Chen, et al., "Mining adverse drug reactions in social media with named entity recognition and semantic methods," Studies in Health Technology and Informatics, Vol.245, pp.322-326, 2017.
J. Lee, W. Yoon, S. Kim, D. Kim, S. Kim, C. H. So, and J. Kang, "BioBERT: A pre-trained biomedical language representation model for biomedical text mining," Bioinformatics, Vol.36, No.4, pp.1234-1240, 2020.

상세보기
E. Alsentzer, J. Murphy, W. Boag, W-H Weng, D. Jindi, T. Naumann, and M. McDermott, "Publicly available clinical BERT embeddings," In Proceedings of the 2nd Clinical Natural Language Processing Workshop, pp.72-78, 2019.
S. Karimi, A. M-Jimenez, M. Kemp, and C. Wang, "Cadec: A corpus of adverse drug event annotations," Journal of Biomedical Informatics, Vol.55, pp.73-81, 2015.

상세보기
UCI ML Drug Review Dataset [Internet], https://www.kagle.com/jessicali9530/kuc-hackathon-winter-2018
Z. Huang, W. Xu, and K. Yu, "Bidirectional LSTM-CRF models for sequence tagging," https://arxiv.org/abs/1508.01991/, 2015.
E. Y. Heo, H. Jeong, and H. H. Kim, "A BERT-based labeling technique for drug reviews for signal detection of adverse drug reaction," In Proceedings of Korea Computer Congress, Vol.47, No.2, pp.1394-1396, 2020.
H. Jeong and H. H. Kim, "Detecting and Classification ADRs using Named Entity Recognition on Social Media," In Proceedings of Korea Information Processing Society, Vol.28, No.1, pp.443-446, 2021.
Pennington, Jeffrey, Richard Socher, and Christopher D. Manning. "Glove: Global vectors for word representation," In Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp.1532-1543, 2014.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증