机构名称：
¥ 1.0
摘要 介绍 人工智能通过机器学习使用算法和先前的学习来做出预测。最近，人们对将更多人工智能纳入已经上市的产品和正在开发的药物的药物警戒中产生了兴趣。 目的 本研究的目的是通过系统的文献综述来确定和描述人工智能在药物警戒中的用途。 方法 使用 Embase 和 MEDLINE 数据库搜索 2015 年 1 月 1 日至 2021 年 7 月 9 日发表的文章，在标题或摘要中使用“药物警戒”、“患者安全”、“人工智能”和“机器学习”等搜索词。使用预先指定的数据提取模板审查和合成了包含有关在所有患者安全或药物警戒模式中使用人工智能的信息的科学文章。信息不完整及致编辑的信、注释和评论的文章被排除在外。 结果 确定了 66 篇文章进行评估。关于人工智能的大多数相关文章都集中在机器学习上，它在患者安全中的应用包括识别药物不良事件 (ADE) 和药物不良反应 (ADR)（57.6%）、处理安全报告（21.2%）、提取药物 - 药物相互作用（7.6%）、识别药物毒性高风险人群或指导个性化护理（7.6%）、预测副作用（3.0%）、模拟临床试验（1.5%）以及将预测不确定性整合到诊断分类器中以提高患者安全性（1.5%）。人工智能已被用于通过自动化流程和机器学习模型训练来识别安全信号；然而，鉴于每个来源包含不同类型的数据，这些发现可能不具有普遍性。结论人工智能可以处理和分析大量数据，并可应用于各种疾病状态。自动化和机器学习模型可以优化药物警戒流程，并提供更有效的方法来分析与安全相关的信息，尽管还需要更多的研究来确定这种优化是否会影响安全分析的质量。预计在不久的将来，它的使用将会增加，特别是在预测副作用和不良反应方面。
人工智能在药物警戒中的应用
主要关键词
相关文件推荐
