在理想的世界中，不利事件报告将整齐地融入Meddra，这是所有监管提交的标准化医学术语，因此可以轻松地进行报告并评估模式以告知安全决策。对于制药行业以外的人来说，这似乎是可以实现的。但是，正如今天在药物安全方面工作的任何人都会告诉您，捕捉产品安全性的整体视野从未如此简单，而且只会变得更具挑战性。原因很简单：不良事件是用自然语言报告的，记者不是Meddra编码器。他们是护士，医生和患者，每个人都有一种独特的表达方式。为了增加复杂性，这些记者比以往任何时候都有更多可用的报告路线，从而创造了一系列必须完全捕获和理解的自然语言安全事件。
一个不利事件，许多表达式
为了说明问题，请考虑患者在服用药物后如何描述他们的经历。也许他们会告诉医生：“我头疼得厉害，两天都无法入睡。”“头痛”一词是与Meddra一对一的匹配，因此它可以很好地自动代码。但是“无法入睡”将不理解。它需要在Meddra中编码为“失眠”。找到正确的代码需要一个手动数据库搜索，该搜索需要占用宝贵的时间 - 可能需要一分钟或更短的时间，但最多可能需要30分钟的时间。现在考虑到，在一些制药公司中，大约70％的不良事件需要手动编码，而新报告的洪水永远不会停止。
没有关于患者安全的谈判，但是药品公司无法维持这种水平的手动报告。无论您是从事临床安全还是市场后的安全性和监视，都需要帮助，以建立对相关数据的系统，全面的看法。你需要自然语言处理，或NLP。
利用您的内部和外部安全数据
当今的NLP技术可以通过自然语言有效地“阅读”不良事件报告并将其标准化为Meddra，从而使您摆脱手册编码。这意味着，即使在报告中以多种不同方式表达单个医学概念，NLP也可以像人类一样，了解语言的细微差别并正确地编码事件。
Here in the NLP universe, we have built solutions that can understand what we call morphological variants, or predictable changes a word undergoes as a result of syntax (think of words like patient/patients/patients’/patient’s or takes/took/is taking). Using NLP, we can extract the appropriate context of each use, as well as matching across conjunctive words (like capturing “liver and kidney toxicity” as two distinct events despite their conjunctive link). Today’s NLP can capture common spelling mistakes and code them appropriately using the surrounding context without manual intervention.
一旦一家制药公司接受这项超越手动努力的技术，就会有一些更大的含义。在每个阶段，关键数据都来自非结构化的文本，从内部安全报告，科学文献，个人案例安全报告，临床研究者手册，患者论坛，社交媒体，会议摘要中获得。该数据中只有大约20％的数据是结构并容易分析的。在这数十万页上进行的智能NLP搜索是当今捕获其他80％的唯一可行方法。通过解锁有关患者如何体验产品的全部信息，NLP为整个制药公司提供了重要的决策支持。
用例：前50家制药公司
正如我提到的那样，在安全产品生命周期中，NLP的用途很广，但我想专注于我们的一位客户如何使用它来解决Pharma中的共同挑战：编码不良事件的逐字编码为Meddra。这个客户，前50家制药公司，当他们来到我们这里时，只能自动尾声约30％，这意味着必须手动编码70％。该客户在罕见的疾病空间中工作，因此他们遇到的逐字记录中约有90％是独一无二的，或者手动编码人员以前没有遇到的东西，并且将来不会重复。
在NLP的进步之前，在这种情况下，大多数公司都会做的是创建同义词列表，以尝试捕获不同但具有相同含义的单词。但是对于这个客户来说，有90％的逐字记录从未反复出现，创建这样的桌子是一个艰巨的任务。还需要每半年维护一次，以进行MEDDRA归还。客户需要另一个解决方案。
IQVIA NLP团队（Linguamatics）与该客户合作，以部署我们屡获殊荣的NLP以提高其自动编码功能的方式。我们与他们的医疗团队合作，创建MEDDRA映射，并将其与不良事件和指示的手动编码进行比较。最后，我们能够将自动编码的水平增加一倍，而不匹配水平非常低，将30％提高到60％。结果，我们不仅提高了编码的一致性，而且还降低了医疗评估中病例处理的风险。
今天，该客户已经在考虑该工具的下一个版本，以及他们如何与我们合作，从NLP中获得更多的好处。为此，我们正在与他们合作创建MEDDRA映射NLP工具，该工具可以更深入地集成到其内部安全系统和工作流程中。在Beta程序中，系统将使用每次摄入量学习，从而使算法每天更好。这是我们与NLP客户一次又一次看到的东西 - 一旦我们向他们展示了NLP可以做什么，他们就渴望更深入地以一种真正的变革方式来利用他们的数据。
您的安全数据中的“隐藏含义”是什么？
加利福尼亚大学伯克利分校的教授马蒂·赫斯特（Marti Hearst）曾将文本采矿作为计算机的发现，以发现新的，以前未知的信息，通过自动提取和关联信息来揭示其他隐藏的含义。我喜欢这种解释，因为它直接进入了NLP的价值的核心：建立联系并揭示了可能没有注意到的真理。在药物的生活史中，患者的安全至关重要，并且随着当今技术，收集，分析和将数据转换为可行的信息从未如此简单。
立即与我们联系，以了解如何使用自然语言处理来综合许多来源的信息，提供业务决策的证据，并确定那些新颖的联系，从而从您的安全处理中推动更好的价值。