大規模言語モデルを用いた医薬品副作用に関する知識グラフ構築のためのクラウドソーシング：セマグルチドへの応用

科学分野:

• 薬事監視と医薬品安全性
• ヘルスケアにおける人工知能
• ソーシャルメディアデータマイニング

背景:

• ソーシャルメディアは、薬事監視のための貴重な実世界の患者経験データを提供します。
• ノイズの多いソーシャルメディアコンテンツから構造化された情報を抽出することは困難です。

研究 の 目的:

• ソーシャルメディアから医薬品の副作用を抽出するための大規模言語モデル（LLM）を使用した体系的なフレームワークを提示すること。
• 包括的な分析のために、抽出されたデータを知識グラフ（KG）に整理すること。
• Redditデータを使用して、減量のためのセマグルチドの副作用を調査すること。

主な方法:

• ソーシャルメディアからの医薬品副作用の自動抽出のためのLLMを活用するフレームワークを開発しました。
• Redditからのセマグルチドデータにフレームワークを適用し、知識グラフを構築しました。
• 異なるセマグルチドブランド間および経時的な報告された副作用を分析しました。
• FAERSデータベースと比較して所見を検証しました。

主要な成果:

• LLMを使用してソーシャルメディアデータから医薬品の副作用を抽出し、構造化することに成功しました。
• Redditで報告されたセマグルチドの副作用を詳述した知識グラフを生成しました。
• FAERSデータに加え、セマグルチドの安全性プロファイルに関する患者中心の洞察を特定しました。

結論:

• LLMは、薬事監視のための構造化された知識グラフに非構造化ソーシャルメディアデータを効果的に変換できます。
• このフレームワークは、医薬品の副作用に関する貴重な患者中心の洞察を提供し、安全性監視を強化します。
• このアプローチは、薬事監視および実世界の証拠生成におけるより広範なアプリケーションの実現可能性を示しています。