Метод байесовской нейронной сети для выявления сигналов нежелательных лекарственных реакций

Цель: База данных нежелательных лекарственных реакций (НЛР), которую ведёт Уппсальский центр мониторинга от имени 47 стран — участников Программы ВОЗ по международному мониторингу лекарственных средств, содержит почти два миллиона сообщений. Это крупнейшая база такого рода в мире, и ежеквартально в неё добавляется около 35 000 новых сообщений. Поиск новых сигналов связи между лекарствами и НЛР ранее выполняла группа экспертов, однако при таком объёме данных эта задача становится крайне сложной. Мы разработали гибкий автоматизированный метод для выявления новых сигналов с известной вероятностной разницей по сравнению с фоновыми данными.

Методы: Добыча данных с использованием различных вычислительных подходов применяется во многих областях. Была разработана байесовская нейронная сеть распространения доверия (Bayesian confidence propagation neural network, BCPNN), способная работать с большими массивами данных, устойчивая к неполным данным и пригодная для анализа сложных переменных. С точки зрения теории информации такой инструмент идеально подходит для поиска сочетаний «лекарство — НЛР» и других переменных, которые существенно связаны между собой по сравнению с общей совокупностью хранимых данных или её частью. Метод прозрачен, что облегчает проверку, и гибок для различных типов поиска.

Результаты: На примерах временного анализа показано, что BCPNN позволяет рано выявлять сигналы (каптоприл — кашель) и избегать ложноположительных результатов, когда в базе часто встречаются распространённый препарат и НЛР (дигоксин — акне; дигоксин — сыпь). Также проверено рутинное применение BCPNN при ежеквартальном обновлении базы: 1004 предполагаемые комбинации «лекарство — НЛР» достигли уровня доверительной вероятности 97,5% по сравнению с общей совокупностью. Из них 307 потенциально относились к серьёзным НЛР, а 53 — к новым препаратам. Двенадцать из последних не были отражены в CD-изданиях The Physician’s Desk Reference или Martindale’s Extra Pharmacopoeia и не были опубликованы в Reactions Weekly online.

Выводы: Результаты показывают, что BCPNN может использоваться для выявления значимых сигналов в массиве данных Программы ВОЗ по международному мониторингу лекарственных средств. BCPNN станет чрезвычайно полезным дополнением к экспертной оценке очень большого числа спонтанных сообщений о НЛР.