在一个理想世界中,不良事件报告将巧妙地融入MedDRA,所有监管机构提交的标准化的医学术语,所以他们可以很容易地报告通知安全决策和评估模式。制药行业之外的人,这可能似乎是可以实现的。但今天在药品安全工作的人会告诉你,捕捉的整体视图产品的安全性从来都不是简单的,它只是变得更具挑战性。原因很简单:在自然语言报告不良事件,记者不是MedDRA程序员。他们是护士、医生和病人,每一个都有独特的方式表达自己。增加的复杂性,这些记者比以往有更多可用的报告路线,创造大量自然语言安全事件必须充分捕捉和理解。

一个不良事件,许多表达式

为了说明这个问题,考虑病人如何描述他们的经验后服用一种药物。也许他们会告诉他们的医生,“我有一个可怕的头痛,睡了两天。”“头痛”这个词与MedDRA一对一的比赛,所以汽车代码效果会很好。“睡不着”却不被理解。它需要在MedDRA编码为“失眠”。发现正确的代码需要手动数据库搜索,占用宝贵的时间可能需要一分钟或更少,但可以30分钟为一个事件。现在认为在一些制药公司,约70%的不良事件需要手工编码,和洪水的新报告从未停止。

没有谈判在病人安全,但制药公司无法维持这种级别的人工报告。无论你是在临床安全或上市后安全监测工作,你需要帮助建立一个系统的、全面的相关数据。你需要自然语言处理或NLP。

利用你的内部和外部的安全数据

今天的NLP技术从手工编码可以免费有效的“阅读”不良事件报告在自然语言和标准化MedDRA。这意味着即使一个医学概念表达多个不同的方式在报告,NLP可以,作为一个人,了解语言的细微差别和适当的代码。

在NLP的宇宙,我们建立了解决方案,能理解我们所说的形态变异,或可预见的变化一个词经历由于语法(认为单词像病人/患者/患者/病人的或花/花了/将)。使用NLP,我们可以提取每个使用的适当的上下文,以及匹配在连接词(比如捕捉“肝脏和肾脏毒性”是两个不同的事件,尽管他们连接的链接)。今天的NLP可以捕获常见的拼写错误,并作出适当的代码利用周围的环境,没有人工干预。

有一些强大的更广泛的影响一旦制药公司拥抱这个技术超越手动工作减少。在每一个阶段,关键数据都被生成并寻求从非结构化文本——从内部安全报告,科学文献,个人安全报告,临床研究者手册,病人论坛,社会媒体、会议摘要。只有20%的数据是结构化和容易分析。智能NLP在这些成千上万的搜索页面今天是唯一可行的方式来捕捉另外的80%。通过释放信息的全谱如何病人体验产品,NLP提供必不可少的工具在制药关键决策支持。

用例:排名前50的制药公司

正如我前面提到的,使用NLP的安全产品生命周期是广泛的,但是我想专注于我们的一个客户是如何用它来解决今天在制药公司共同挑战:编码副反应逐字MedDRA。这个客户,一个排名前50的制药公司,只是能够自动编码约30%的逐字当他们来找我们,意义必须手动编码的70%。这个客户在罕见的疾病领域工作,所以大约90%的逐字他们遇到的是独一无二的,或者手动程序员没有遇到之前和在未来不会重复。

NLP的进步之前,大多数公司会做什么在这种情况下创建一个同义词列表来捕获不同但具有相同的意义。但是对于这个客户,90%的逐字从不重复,创建这样一个表是一个艰巨的任务。它还需要保持每半年MedDRA回复。客户需要一个解决方案。

IQVIA NLP团队(Linguamatics)与此客户端部署我们的工作获奖的NLP的方式提高了自动编码功能。我们与他们的合作医疗团队创建MedDRA映射和比较这些手工编码的副反应和指示。最后,我们能够自动编码水平的两倍,从30到60%的一个非常低的水平不匹配。因此,我们不仅提高了编码的一致性,但也降低了风险处理医疗评估。

今天,这个客户已经在考虑下一个版本的工具和如何与我们合作获得更多从NLP中获益。为此,我们正在与他们创建一个NLP MedDRA映射工具,可以更深入地集成到他们的内部安全系统和工作流。在测试程序中,该系统将学习每摄入,使算法更好的每一天。这是我们一次又一次地看到NLP客户——一旦我们向他们展示我们的NLP可以做什么,他们渴望投资更深入地利用他们的数据在一个真正的转型。

什么是你的安全数据的隐藏含义的?

马蒂赫斯特,加州大学伯克利分校的教授曾经解释文本挖掘为新发现的计算机,未知信息的自动提取和相关信息来揭示隐藏的含义。我喜欢这个解释,因为它会直接NLP的核心价值:使连接和揭示真理,否则可能会被忽视。患者安全是最重要的在生活中所有阶段药物的历史,和今天的技术,收集、分析和将数据转化为可操作的信息从来都不是一件容易的事。

联系我们今天学习如何使用自然语言处理合成信息,还可以从许多别的来源,为业务决策提供证据,并确定这些小说从你的安全处理连接驱动更好的价值。