问题:报告海量,信号难寻
药品上市后,散落在病历、随访记录与自发报告中的不良反应信息呈指数增长。人工逐条审读既慢又易漏,但完全依赖规则匹配又会淹没在噪声里。药物警戒的务实路径是机器初筛、专家确认:先用NLP把非结构文本转成结构化事件,再用统计与无监督方法给信号打分排序,把审评专家的时间集中在高分候选上。
第一步:用NLP抽取不良反应实体
下面用正则与关键词词典从自由文本中初步抽取药品—症状—时间三元组。真实项目可替换为医学NER模型(如基于BioBERT的管道),但正则基线足以验证流程:
import re
# 极简不良反应抽取基线:症状词表 + 就近药品
SYMPTOMS = ['恶心', '呕吐', '皮疹', '头晕', '肝功能异常', '腹泻']
def extract(text, drug):
found = [s for s in SYMPTOMS if s in text]
if not found:
return None
return {'drug': drug, 'symptoms': found,
'has_time': bool(re.search(r'服药(后|期间)|用药(后|期间)', text))}
print(extract('患者服药后出现恶心、皮疹', '药品A'))
# {'drug': '药品A', 'symptoms': ['恶心', '皮疹'], 'has_time': True}抽取结果写入结构化表(药品、症状、报告时间、严重程度),作为后续信号计量的数据底座;涉及患者信息的字段须脱敏并按数据合规要求管理。
第二步:用比例失衡法初筛信号
药物流行病学常用比例失衡法衡量某药—某症状共现是否异常偏高。下面以PRR(比例报告比)为例,对计数表做初筛,PRR与卡方同时超阈值即列为可疑信号:
import pandas as pd
# 列:target_drug(是否目标药)、target_event(是否目标症状)
df = pd.DataFrame([
{'target_drug': 1, 'target_event': 1, 'n': 30},
{'target_drug': 1, 'target_event': 0, 'n': 970},
{'target_drug': 0, 'target_event': 1, 'n': 400},
{'target_drug': 0, 'target_event': 0, 'n': 86200},
])
a = df.query('target_drug==1 and target_event==1')['n'].sum()
b = df.query('target_drug==1 and target_event==0')['n'].sum()
c = df.query('target_drug==0 and target_event==1')['n'].sum()
d = df.query('target_drug==0 and target_event==0')['n'].sum()
prr = (a / (a + b)) / (c / (c + d))
chi2 = (a*d - b*c) ** 2 * (a+b+c+d) / ((a+b)*(c+d)*(a+c)*(b+d))
print('PRR:', round(prr, 2), '卡方:', round(chi2, 1))
print('可疑信号' if prr >= 2 and chi2 >= 4 else '未达阈值')PRR与ROR思路一致,都是用共现是否显著偏离随机给信号排序;它们不证明因果,只提示值得人工深挖。真实系统应叠加报告质量、严重程度与去重后的病例数综合研判。
第三步:用无监督模型兜底罕见组合
对未见过的药品—症状组合,统计法样本不足。可用IsolationForest对症状共现向量做异常检测,把偏离正常画像的报告标出供专家复核:
from sklearn.ensemble import IsolationForest
import numpy as np
# 每行是一份报告的症状 one-hot 向量
X = np.array([[1,0,1,0,0],[0,1,0,1,0],[1,1,1,0,1],[0,0,0,0,1]])
model = IsolationForest(contamination=0.2, random_state=0)
flags = model.fit_predict(X)
print('异常报告索引:', list(np.where(flags == -1)[0]))提醒:信号检测为辅助筛查手段,所有可疑信号必须由具备资质的药理与临床人员确认;涉及患者数据须依规脱敏与权限管理,系统定位为提醒而非结论。
落地边界与建议
① 先在单一治疗领域(如某类慢病用药)试点,积累结构化报告再扩面;
② 把NLP抽取、统计计量、专家确认做成闭环,每条信号可回溯到原始报告;
③ 严格遵守药物警戒与数据合规要求,敏感数据隔离存储。
说明:本文为工程方法参考,不构成医学或监管结论;具体阈值与流程以企业药物警戒体系与监管指南为准。
参考来源
国家药品监督管理局 药品不良反应监测相关公开信息 - 国家药监局(nmpa.gov.cn);FDA Adverse Event Reporting System (FAERS) 公开数据集说明 - 美国食品药品监督管理局(fda.gov);scikit-learn 官方文档(IsolationForest 异常检测) - scikit-learn.org。