首页 > 资讯 > 甲骨文旗下Cerner Enviza公司开发AI工具研究哮喘药孟鲁司特安全性

出自识林

2023-04-13

甲骨文旗下的 Cerner Enviza 目前正在与医疗保健 AI 公司 John Snow Labs 合作开发人工智能工具，以搜索患者记录中是否有哮喘药物孟鲁司特的副作用。孟鲁司特通常用于治疗过敏和预防哮喘发作。

使用基于 John Snow Labs 开发的人工智能模型的自然语言处理技术来理解临床和生物医学文件，Cerner Enviza 将从医疗记录中提取信息并将其与保险理赔数据匹配，以确定各种精神健康副作用与药物孟鲁司特之间的关系。该项目是美国 FDA 哨兵倡议（Sentinel Initiative）药物安全计划的一部分。

FDA 在 2020 年就曾表示，需要就与该药相关的“严重行为和情绪相关变化”发出更强烈的警告，其中包括攻击性、记忆力问题、生动的梦境、焦虑以及自杀念头和行为。FDA 后来对该药发出黑框警告，并建议不要将其用于轻度过敏。FDA 科学顾问去年也承认，对药物作用机制的神经学理解存在差距，需要进一步研究。

新公布的研究旨在通过开发 AI 工具来利用电子病历中的大量真实数据来弥补这些差距。自从甲骨文公司去年以 283 亿美元的价格收购塞纳（Cerner）以来，公司的重点之一就是使用人工智能来充分利用塞纳公司电子健康记录（EHR）中的数据。

Cerner Enviza 客户合作和商业化全球负责人 Michael Fronstin 表示，“在美国，我们与许多使用 Cerner EHR 技术和软件的医疗系统建立了关系，这些系统被称为学习医疗卫生网络。我们有双向关系，其中一部分是我们对美国 1 亿多患者的去识别化数据拥有数据权。”该数据集成为塞纳真实世界数据，包含近八年的纵向 EHR 数据，包括患者笔记。对于这个项目，数据集将链接到理赔数据。

根据塞纳与其合作伙伴医疗卫生系统达成的协议，任何使用去识别化数据进行的研究都要经过治理委员会批准。Fronstin 表示，“所做的研究类型可以是确定有资格进行临床试验的患者，也可以用于其它研究目的，但不能用于商业目的（也就是增加市场份额）。”有超过 500 篇发表的文章使用塞纳的数据来检查临床结局。

但 John Snow Labs 首席技术官 David Talby 表示，孟鲁司特研究需要检查大约 70 种不同的潜在副作用。要从患者笔记等自由文本中大规模做到这一点，将需要使用机器学习模型，该模型可以可靠地将医疗笔记中的内容分类到正确的类别中。

模型需要把“睡眠困难”和“不规律的醒来”解释为“失眠”，即使患者就诊被编码为“医生办公室就诊”并且最终没有开出帮助他们入睡的药物处方。人工智能还需要了解一些背景信息，例如是否有症状的家族史，以及患者行为发生变化的时间（在开始服药之前或之后）。

在 1 万人的数据集中，寻找数十种不同的副作用可能会发现 3 到 10 人具有特定的副作用，这是统计噪声。但 Talby 表示，从塞纳的大型数据集开始将有助于缓解这种情况。“如果你有 50 万人，你绝对可以同时研究 50 种或者70 种副作用。而且你还可以根据年龄、性别、种族、你想要的药物剂量、你有过的其它条件来对数据集进行切片和切块。”

Talby 表示，全国范围内的医学实践也各不相同，这使得建立一个可推广的模型变得更加困难。例如，如果一个医疗或学校系统有一个计划来支持有特定精神问题的儿童，那么临床医生将在注释中描述这种情况。他希望塞纳的数据集涵盖全国各地的患者，有望平衡不同社区和系统之间的差异。

在开发通用模型后，团队将根据来自三个卫生系统（橙县儿童医院、国家犹太健康中心和凯撒医疗华盛顿健康研究所）的数据调整和验证该模型，以确保模型在美国个体社区真实数据环境中有效。

Talby 表示，“这可能是首批真正关注这种规模数据集的项目之一，也是首批将自然语言处理实际应用于精神健康的项目之一。”

作者：识林-蓝杉

识林^®版权所有，未经许可不得转载