謝切諾夫第一莫斯科國立醫科大學研究團隊開發出一套演算法模型,能夠自動辨識社群網路中提及的藥物不良反應,並評估貼文內容的完整度,為上市後的藥物安全監控提供新工具。

根據外媒《GxP News》報導,該研究團隊蒐集了 2025 年間俄羅斯社群平台 VKontakte 上,7 個類風濕性關節炎病友社團的資料,分析多達 5 萬 8,884 則貼文與留言。在整個藥物研發流程中,新藥上市後仍需長期收集患者的實際用藥反應;而社群監測技術基礎就是運用自然語言處理等演算法,自動從海量非結構化的網路留言中篩選並辨識關鍵醫療訊號。

分析結果顯示,演算法在龐大資料中初步篩選出 1,463 次提及藥物不良反應的紀錄。然而,一般民眾在社群媒體上的發言往往零碎,真正同時包含發文者、患者身分、具體藥品名稱及詳細反應症狀的貼文僅有 108 則,合格比例只有 7.4%。

研究團隊開發的模型不僅能評估貼文結構是否完整,還能對照國際監管活動醫學詞典(MedDRA)將不良反應進行標準化分類。在符合標準的貼文中,團隊共歸納出 76 個獨特的不良反應詞彙,其中 59 個與現行藥品仿單登載相符,另外 17 個則屬於藥品仿單未收錄的潛在反應假說。

過去相關研究統計顯示,傳統不良反應通報主要來自醫療體系,其中醫師通報佔 61%,藥師佔 8%。研究團隊指出,社群數據雖然具備發掘未知反應的潛力,但社群貼文資訊不全的比例過高,仍是目前藥物安全監控導入自動化分析的主要阻礙。

參考來源

查看原始文章 ↗