CT-ADE: An Evaluation Benchmark for Adverse Drug Event Prediction from Clinical Trial Results

要約

薬物有害事象（ADE）は臨床研究と公衆衛生に大きな影響を与え、臨床試験の失敗の一因となり、医療費の増加につながります。
ADE の正確な予測と管理は、より安全で効果的な医薬品の開発を改善し、患者の転帰を向上させるために重要です。
この取り組みをサポートするために、ADE の予測モデリングを強化するために編集された新しいデータセットである CT-ADE を紹介します。
臨床試験結果から抽出された 12,000 を超える事例を含む CT-ADE データセットは、単剤療法におけるマルチラベル ADE 分類タスクのための薬剤、患者集団、コンテキスト情報を統合し、高度な予測モデルを開発するための包括的なリソースを提供します。
ADE の複雑な性質を反映するために、アノテーションは Medical Dictionary for Regulatory activity (MedDRA) オントロジーのシステム臓器クラス レベルで標準化されています。
ベースラインモデルを使用した予備分析では、73.33% の F1 スコアと 81.54% のバランスのとれた精度を達成する有望な結果が実証されており、ADE 予測を進歩させる CT-ADE の可能性が強調されています。
CT-ADE は、人工知能と機械学習の力を活用して患者の安全性を高め、ADE が医薬品の研究開発に与える影響を最小限に抑えることを目指す研究者に不可欠なツールを提供します。
CT-ADE データセットの使用に興味のある研究者は、必要なリソースをすべて https://github.com/xxxx/xxxx で見つけることができます。

要約(オリジナル)

Adverse drug events (ADEs) significantly impact clinical research and public health, contributing to failures in clinical trials and leading to increased healthcare costs. The accurate prediction and management of ADEs are crucial for improving the development of safer, more effective medications, and enhancing patient outcomes. To support this effort, we introduce CT-ADE, a novel dataset compiled to enhance the predictive modeling of ADEs. Encompassing over 12,000 instances extracted from clinical trial results, the CT-ADE dataset integrates drug, patient population, and contextual information for multilabel ADE classification tasks in monopharmacy treatments, providing a comprehensive resource for developing advanced predictive models. To mirror the complex nature of ADEs, annotations are standardized at the system organ class level of the Medical Dictionary for Regulatory Activities (MedDRA) ontology. Preliminary analyses using baseline models have demonstrated promising results, achieving 73.33% F1 score and 81.54% balanced accuracy, highlighting CT-ADE’s potential to advance ADE prediction. CT-ADE provides an essential tool for researchers aiming to leverage the power of artificial intelligence and machine learning to enhance patient safety and minimize the impact of ADEs on pharmaceutical research and development. Researchers interested in using the CT-ADE dataset can find all necessary resources at https://github.com/xxxx/xxxx.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google