论文部分内容阅读
介绍了传统药品不良反应信号发现的主要途径及应用，描述了基于医药大数据进行药品不良反应信号挖掘的研究进展，简述了医药大数据背景下运用机器学习技术进行药品不良反应预测的方法及应用，提出深度学习作为机器学习中一项快速崛起的技术，将会成为未来研究热点，其可能为药品不良反应信号挖掘与临床合理用药提供有益的思路。
基于医药大数据的药品不良反应信号挖掘探讨
【摘 要】
：
介绍了传统药品不良反应信号发现的主要途径及应用，描述了基于医药大数据进行药品不良反应信号挖掘的研究进展，简述了医药大数据背景下运用机器学习技术进行药品不良反应预测的方法及应用，提出深度学习作为机器学习中一项快速崛起的技术，将会成为未来研究热点，其可能为药品不良反应信号挖掘与临床合理用药提供有益的思路。
【机 构】
：
300072 天津大学管理与经济学部（现在无锡市药品不良反应监测中心）,中国药科大学理学院,中国药科大学理学院,中国药科大学基础医学与临床药学院,300072 天津大学管理与经济学部
【出 处】
：
中华医院管理杂志
【发表日期】
：
2017年33期
其他文献
目的探讨体素内不相干运动扩散加权磁共振成像(IVIM－DWI MRI)评价重组人血管内皮抑素(rhES)诱导的结直肠癌小鼠模型肿瘤血管正常化的可行性。方法建立BALB/c小鼠CT26结直肠癌移植瘤模型，分为rhES组和对照组，每组20只。rhES组静脉注射rhES 5 mg·kg－1·d－1，1次/d，连用12 d；对照组静脉注射同体积生理盐水。rhES组和对照组分别在干预前和干预后第4天、第8天
目的寻找肝细胞癌(HCC)突变相关肿瘤新抗原，确定其诱导产生的细胞毒性T淋巴细胞(CTL)可特异性作用于肿瘤细胞，为进行HCC的疫苗免疫治疗提供理论依据。方法分析HCC患者肿瘤组织及其配对的正常组织全基因组和外显子测序数据，寻找肿瘤相关体细胞突变，结合患者人类白细胞抗原(HLA)表型，利用NetMHC软件预测具有较高结合力的突变表位，由此合成相应的多肽。在GEO数据库中选取GSE25097，利用G