因果知識グラフ分析による有害事象の特定

科学分野:

• 生物医学情報学
• 因果推論
• 知識表現

背景:

• 生物医学的知識グラフと因果モデルは価値があるが、断絶している。
• 知識グラフは確率的意味論を欠き、因果モデルは背景知識の統合を欠いている。

研究 の 目的:

• 知識グラフと因果モデルの間のギャップを埋めること。
• 原理的な因果推論と仮説生成のための因果知識グラフ（CKG）を開発すること。

主な方法:

• 知識グラフに形式的な因果意味論を拡張し、因果知識グラフ（CKG）を作成しました。
• 疾患経路、薬剤適応症、副作用を統合した疾患-薬剤CKG（DD-CKG）を構築しました。
• DD-CKGをUKバイオバンクおよびMIMIC-IVに適用し、薬剤効果の大規模な媒介分析を行いました。

主要な成果:

• CKGは、背景知識を用いた脱混絡と仮説生成を可能にしました。
• 既知の有害事象を再現し、新規の候補事象を特定しました。
• 予測された事象と既存のデータベースを組み合わせることで、共有された薬剤適応症の予測を改善しました。

結論:

• CKGは、スケーラブルな因果推論のための一般化可能で知識駆動型のフレームワークを提供します。
• この方法論は臨床的関連性を示し、自動化された大規模な媒介分析をサポートします。
• このアプローチは、薬剤効果と疾患進行の理解を深めます。