
-
生物通官微
陪你抓住生命科技
跳动的脉搏
利用自然语言处理技术检测医疗器械中的不良事件信号:以盆腔网片为例的案例研究
《Scientific Reports》:Signal detection of adverse events in medical devices using natural language processing: a case study in pelvic mesh
【字体: 大 中 小 】 时间:2026年04月30日 来源:Scientific Reports 3.9
编辑推荐:
摘要不均衡性分析用于从向监管机构报告的不良事件中检测上市后监测的安全信号,但当报告包含非结构化的自由文本时,这一分析过程颇具挑战性。我们开发了一个概念验证系统,该系统结合了自由文本数据的自然语言处理技术与不均衡性分析方法,以研究一种已知的安全信号(即盆腔网片相关的问题)。我们使用
不均衡性分析用于从向监管机构报告的不良事件中检测上市后监测的安全信号,但当报告包含非结构化的自由文本时,这一分析过程颇具挑战性。我们开发了一个概念验证系统,该系统结合了自由文本数据的自然语言处理技术与不均衡性分析方法,以研究一种已知的安全信号(即盆腔网片相关的问题)。我们使用主题建模方法对2012年至2017年间澳大利亚自发不良事件报告数据库中的自由文本报告进行了分类。“疼痛”是最常见的临床主题,且属于已知与盆腔网片相关的不良事件。每季度都会使用三种不同的比较对象(疝网片、疝与其他网片以及所有其他医疗器械)以及三种不均衡性分析方法(比例报告比、贝叶斯置信传播神经网络和最大化序贯概率比检验)来检测该安全信号。所有方法都对多次数据分析时的一类错误阈值进行了调整。2014年第三季度,三种方法均检测到了盆腔网片相较于疝和其他网片的安全信号;这一发现发生在该医疗器械于2017年11月从澳大利亚市场撤出之前的三年。其中,贝叶斯置信传播神经网络在处理疼痛分类的不确定性方面表现最为可靠。为了验证我们的概念验证系统,还需要对其他医疗器械和数据库进行进一步研究。
生物通微信公众号