目的探讨世界范围内机器学习在药物警戒领域的应用现状和发展趋势,为开展机器学习在药物警戒领域的应用相关研究提供参考。方法在Web of Science文献库中以“机器学习”“药物警戒”等为主题词检索相关文献,检索时限为建库至2023年3月1...目的探讨世界范围内机器学习在药物警戒领域的应用现状和发展趋势,为开展机器学习在药物警戒领域的应用相关研究提供参考。方法在Web of Science文献库中以“机器学习”“药物警戒”等为主题词检索相关文献,检索时限为建库至2023年3月1日,利用R语言等软件定量分析该领域文献数据,对年度发文量、机构、国家、关键词等方面的特征开展聚类、共现和突现的可视化分析。结果共纳入904篇文献,文献发表量自1994年以来呈现波动上升趋势。合作网络机构之间存在跨领域、跨地区、跨结构的合作。发文量前5位的国家为美国、中国、日本、韩国、印度,中美在该领域的合作相对较密切。信号检测、社交媒体、电子健康记录是该领域的高频关键词,聚类和关联规则分析显示,机器学习在该领域主要围绕信号识别、非结构化文本挖掘分析和电子医疗信息的处理分析三方面开展研究,目前在信号识别、社交媒体信息挖掘、电子医疗信息非结构化的文本处理等方面取得了显著进展,拓宽了药物警戒的数据来源,提高了对药品不良反应的实时监测能力。结论大数据和人工智能技术的飞速发展使得机器学习与药物警戒领域融合日益密切,技术交流合作和学科间的交叉融合日益频繁,应先优化各种机器学习算法,提高其在药物警戒领域中的准确性和稳定性;需要加强对数据隐私和安全性的保护措施,确保患者信息的安全;整合医学、数据科学、统计学等领域的专业知识,以期推动药物警戒领域的技术进步。展开更多
文摘目的探讨世界范围内机器学习在药物警戒领域的应用现状和发展趋势,为开展机器学习在药物警戒领域的应用相关研究提供参考。方法在Web of Science文献库中以“机器学习”“药物警戒”等为主题词检索相关文献,检索时限为建库至2023年3月1日,利用R语言等软件定量分析该领域文献数据,对年度发文量、机构、国家、关键词等方面的特征开展聚类、共现和突现的可视化分析。结果共纳入904篇文献,文献发表量自1994年以来呈现波动上升趋势。合作网络机构之间存在跨领域、跨地区、跨结构的合作。发文量前5位的国家为美国、中国、日本、韩国、印度,中美在该领域的合作相对较密切。信号检测、社交媒体、电子健康记录是该领域的高频关键词,聚类和关联规则分析显示,机器学习在该领域主要围绕信号识别、非结构化文本挖掘分析和电子医疗信息的处理分析三方面开展研究,目前在信号识别、社交媒体信息挖掘、电子医疗信息非结构化的文本处理等方面取得了显著进展,拓宽了药物警戒的数据来源,提高了对药品不良反应的实时监测能力。结论大数据和人工智能技术的飞速发展使得机器学习与药物警戒领域融合日益密切,技术交流合作和学科间的交叉融合日益频繁,应先优化各种机器学习算法,提高其在药物警戒领域中的准确性和稳定性;需要加强对数据隐私和安全性的保护措施,确保患者信息的安全;整合医学、数据科学、统计学等领域的专业知识,以期推动药物警戒领域的技术进步。
