基于人工智能的药品投诉类案例信息识别及分类效能评估

目的评估构建的神经网络(NN)模型对药品投诉类案例的信息识别与分类效能,探究人工智能(AI)辅助人工审查分类的可行性。方法将X公司2022年8—10月线上收集的3090条反馈记录导入构建的NN模型,利用各指标对AI的分类效能进行评估并以3名资深药物警戒专员一致判定结果为真实值,对比AI与人工检测的灵敏度、特异度及AUC值;此外,用Kappa分数来评价AI与真实值组的一致性。结果与人工组相比,AI的F1值为90.48%,AUC值为95.20%,表明AI具有较高的分类质量;AI的灵敏度为90.48%,人工组为97.62%,差异无统计学意义(P=0.25);AI组和人工组特异度分别为99.87%和99.31%,差异有统计学意义(P<0.001);AI的Kappa值为0.903,表明AI组与真实值组具有极好的一致性。结论AI的分类效能具有较高的质量,对于投诉类案例的识别表现出较高的灵敏性与特异性,可以为投诉和非投诉案例的快速识别分类提供参考。

基于陕西省抗肿瘤药物不良反应报告的抗肿瘤用药安全性分析

目的对陕西省2015~2021年抗肿瘤药物不良反应(ADR)报告进行回顾性研究,分析相关ADR发生特点和规律,研究肿瘤患者用药安全性,为临床做好ADR防治和管理工作以及临床安全合理用药提供参考和借鉴。方法回顾性分析ADR报告,分析发生ADR的患者性别、年龄、引起ADR的药品类别、ADR累及系统器官等基本情况。结果共筛选得8839份抗肿瘤药物ADR报告,男性、女性报告占比分别为45.46%和53.80%;大部分患者年龄在60~70岁(30.37%);报告涉及到的原患疾病排前3位的为乳房肿瘤、消化系统肿瘤、呼吸系统肿瘤;ADR报告数最多的前5位抗肿瘤药物分别为顺铂(1273例,10.68%)、紫杉醇(1140例,9.56%)、奥沙利铂(1121例,9.40%)、多西他赛(1007例,8.45%)、吉西他滨(682例,5.72%)。铂类药物涉及报告数占比最多(27.31%)、其次是植物来源抗肿瘤药及其衍生物(25.22%)和抗代谢类药物(19.55%)。静脉途径给药的ADR报告数占比最多(81.68%);ADR常累及的系统器官为胃肠系统损害(36.85%)、红细胞异常(14.67%)和全身性损害(9.93%);大部分ADR发生于用药后的1~2 d内。结论应加强肿瘤患者用药后的ADR监测,了解肿瘤患者用药期间与药物相关的潜在危险,及时预防、发现和诊治抗肿瘤药引发的ADR,以减少对ADR对患者造成的伤害,提高患者的生活质量。