研究提出药物警戒多源数据整合框架

Li, Y. 等研究团队在 medRxiv 发布研究，提出并验证一种证据感知框架，整合 FAERS 报告、生物医学文献、临床试验与 Mass General Brigham 电子健康记录中的异构药物警戒数据，结合大语言模型信息抽取、本体驱动的语义归一化、跨源证据评估、统计与机器学习优先级排序以及基于成分的药物不良事件关系推理。 该框架构建的知识库含 11,588 个药物节点、44,843 个成分节点、3,275 个药物不良事件节点、993 个适应症节点和超过 247 万条关系，每条药物—不良事件关系附有置信度评分。研究经 Mass General Brigham 伦理审查委员会批准，因患者隐私政策，所生成与分析的数据不对外公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。