JP6722076B2 - 薬物有害事象を予測するためのコンピュータ実装方法、コンピュータ・プログラム製品、および処理システム - Google Patents
薬物有害事象を予測するためのコンピュータ実装方法、コンピュータ・プログラム製品、および処理システム Download PDFInfo
- Publication number
- JP6722076B2 JP6722076B2 JP2016188561A JP2016188561A JP6722076B2 JP 6722076 B2 JP6722076 B2 JP 6722076B2 JP 2016188561 A JP2016188561 A JP 2016188561A JP 2016188561 A JP2016188561 A JP 2016188561A JP 6722076 B2 JP6722076 B2 JP 6722076B2
- Authority
- JP
- Japan
- Prior art keywords
- drug
- adverse event
- candidate
- adverse
- patient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 68
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 title claims description 31
- 238000012545 processing Methods 0.000 title claims description 19
- 238000004590 computer program Methods 0.000 title claims description 11
- 229940079593 drug Drugs 0.000 claims description 248
- 239000003814 drug Substances 0.000 claims description 248
- 230000002411 adverse Effects 0.000 claims description 30
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000007477 logistic regression Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 239000000126 substance Substances 0.000 description 11
- 230000036541 health Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 6
- 206010061623 Adverse drug reaction Diseases 0.000 description 5
- 206010019233 Headaches Diseases 0.000 description 5
- 231100000869 headache Toxicity 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000034994 death Effects 0.000 description 4
- 231100000517 death Toxicity 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000010534 mechanism of action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011524 similarity measure Methods 0.000 description 3
- 206010010071 Coma Diseases 0.000 description 2
- 206010013710 Drug interaction Diseases 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 230000008406 drug-drug interaction Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000030507 AIDS Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000002682 Hyperkalemia Diseases 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 208000036647 Medication errors Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000036592 analgesia Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- ZBPLOVFIXSTCRZ-UHFFFAOYSA-N bromfenac Chemical compound NC1=C(CC(O)=O)C=CC=C1C(=O)C1=CC=C(Br)C=C1 ZBPLOVFIXSTCRZ-UHFFFAOYSA-N 0.000 description 1
- 229960003655 bromfenac Drugs 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000036267 drug metabolism Effects 0.000 description 1
- 239000003596 drug target Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 231100000304 hepatotoxicity Toxicity 0.000 description 1
- 230000007056 liver toxicity Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 231100000440 toxicity profile Toxicity 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Epidemiology (AREA)
- Medicinal Chemistry (AREA)
- Business, Economics & Management (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Child & Adolescent Psychology (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本開示は、薬物有害事象の予測に関し、より詳細には、個別化された詳細な薬物有害事象を提供するためのデータの分析のための方法、システムおよびコンピュータ・プログラム製品に関する。
薬物有害事象は、健康管理システムにいくつかの課題をもたらす。２００万を超える重大な薬物有害事象が毎年発生し、１００，０００件もの関連死が、結果として、毎年生じ得る。薬物有害事象は、肺疾患、糖尿病、ＡＩＤＳ、事故および自動車事故死を上回る主な死因であり、入院患者の障害または死の５分の１もの原因であるとみられている。さらに、薬物有害事象に関連する年間費用は、糖尿病および心臓血管のケアに関連する費用より高い、１３６０億ドルと推定される。たとえば、薬物−薬物相互作用は、病院内の投薬ミスの最大５％を占め得る。認可された薬物の数が増えるにつれて、潜在的有害事象の数もまた増える。場合によっては、有害事象は、約１，５００人の患者しかいない患者集合に通常は依存する臨床試験では明らかにならない。この標本サイズは、事象の特質により、より少ない発生率であるが生じる可能性があり、重大な健康上のリスクを残す、いくつかの薬物の稀な毒性プロフィールを解明するには潜在的に不十分である。たとえば、２０，０００人に１人ほどの患者が、短期鎮痛のために以前認可され、市場に出されたブロムフェナクの摂取に関連して肝臓毒性を経験した。さらに、調査された患者が、二次的な薬物を摂取しない、または二次的な薬物を摂取するが、統計的に有意な相関関係が見られないような規模である場合、臨床試験は、いくつかの潜在的薬物−薬物相互作用を明らかにしないことがある。
公開データベースは、化学構造データおよび化学データを含む、既知の薬物に関する様々な情報を含む。これらの情報源は、構造化または非構造化データを含み得る。科学文献は、説明文書で非臨床または臨床背景のいずれかにおける既知の薬物に関連する結果または観察結果を報告することがある。たとえば、医師が、患者による個々の有害事象体験の観察を報告することがあり、または、化学者が、所与の薬物が、化学構造を所与とする特定の機構によって作用すると予測することがある。しかし、そのようなデータの編集および分析は、そのような報告における構造の不足によって依然として複雑である。さらに、多くのデータベースは、所与の薬物について不完全なデータを含み、したがって、たとえば、薬物が特定の特徴を有しないと知られているときなど、問題の薬物が特定の特徴および否定的事象を含むかどうかが知られていないとき、不足するデータを計算的に識別することは困難である可能性がある。加えて、そのような公開ソースは、一般に、候補薬物のまたは個々の候補患者の潜在的有害事象を明らかにし得る、人口統計学的またはゲノム情報などの個別の情報が不足している。
本発明の課題は、薬物有害事象を予測するためのコンピュータ実装方法、コンピュータ・プログラム、および処理システムを提供することである。
一実施形態によれば、薬物有害事象を予測するための方法が、提供される。本方法は、１つまたは複数の薬物データベースからの既知の薬物データと、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数とを受信するステップを含む。本方法はまた、有害事象予測評価を計算するステップを含み、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数の薬物有害事象の信頼水準を表し、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数に対応する既知の薬物データに基づく。本方法はまた、有害事象予測評価を計算するステップを含み、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数の薬物有害事象の信頼水準を表し、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数に対応する既知の薬物データに基づく。本方法はまた、有害事象予測評価を計算するステップを含み、有害事象予測評価を計算するステップは、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数の薬物有害事象の信頼水準を表し、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数に対応する既知の薬物データに基づく。本方法はまた、薬物有害事象の特質、原因、機構、または重大性のうちの１つまたは複数を含む、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数と１つまたは複数の有害事象特徴を関連付けるステップを含む。本方法はまた、１つまたは複数の有害事象特徴に基づいて有害事象予測評価を計算し、有害事象予測評価を出力するステップを含む。
もう１つの実施形態によれば、薬物有害事象を予測するための処理システムは、１つまたは複数のタイプのメモリと通信するプロセッサを含む。プロセッサは、１つまたは複数の薬物データベースからの既知の薬物データと、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数とを受信するように構成される。プロセッサはまた、有害事象予測評価を計算するように構成され、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数の薬物有害事象の信頼水準を表し、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数に対応する既知の薬物データに基づく。プロセッサはまた、有害事象予測評価を計算するように構成され、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数の薬物有害事象の信頼水準を表し、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数に対応する既知の薬物データに基づく。プロセッサはまた、薬物有害事象の特質、原因、機構、または重大性のうちの１つまたは複数を含む、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数と１つまたは複数の有害事象特徴を関連付けるように構成される。プロセッサはまた、１つまたは複数の有害事象特徴に基づいて有害事象予測評価を計算し、有害事象予測評価を出力するように構成される。
さらなる実施形態によれば、薬物有害事象を予測するためのコンピュータ・プログラム製品は、処理回路によって読取り可能であり、方法を実行するために処理回路によって実行するための命令を記憶する非一時的記憶媒体を含む。本方法は、１つまたは複数の薬物データベースからの既知の薬物データと、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数とを受信するステップを含む。本方法はまた、有害事象予測評価を計算するステップを含み、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数の薬物有害事象の信頼水準を表し、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数に対応する既知の薬物データに基づく。本方法はまた、有害事象予測評価を計算するステップを含み、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数の薬物有害事象の信頼水準を表し、有害事象予測評価は、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数に対応する既知の薬物データに基づく。本方法はまた、薬物有害事象の特質、原因、機構、または重大性のうちの１つまたは複数を含む、候補薬物、薬物ペアおよび候補薬物−患者ペアのうちの１つまたは複数と１つまたは複数の有害事象特徴を関連付けるステップを含む。本方法はまた、１つまたは複数の有害事象特徴に基づいて有害事象予測評価を計算し、有害事象予測評価を出力するステップを含む。
本発明とされる本主題は、本明細書の結びにある特許請求の範囲において具体的に指摘され、明確に請求される。本発明の前述のおよび他の特徴および利点は、以下のような添付の図面と併せて以下の詳細な説明から明らかである。
本開示の例示的実施形態によれば、薬物有害反応を予測するための方法、システムおよびコンピュータ・プログラム製品が提供される。例示的実施形態では、既知の薬物データは、様々なデータベースから取得することができ、予測は、既知の薬物データに基づいて候補薬物または薬物ペアの有害事象の有無に関して行うことができ、そして、予測の信頼水準を表す有害予測評価が、計算され得る。例示的実施形態では、予測は、既知の薬物データに基づいて、有害事象の特質、事象の原因、事象の機構または事象の重大性あるいはそれらのすべてなど、有害事象の特徴に関して行うことができる。例示的実施形態では、多数の患者の患者健康記録データが取得可能であり、予測は、既知の薬物データおよび多数の患者健康記録データに基づいて候補薬物−患者ペアの有害事象の有無に関して行うことができ、予測の信頼水準を表す有害予測評価が、計算され得る。例示的実施形態では、有害事象特徴は、患者に個別化され得る。
図１を参照すると、本明細書の教示をサポートする能力を有するクラウド・コンピューティング環境１０が、非限定的実施形態に従って、示される。図示するように、クラウド・コンピューティング環境１０は、たとえば、携帯情報端末（PDA: Personal Digital assistant）または携帯電話５４Ａ、デスクトップ・コンピュータ５４Ｂ、ラップトップ・コンピュータ５４Ｃまたは自動車コンピュータ・システム５４Ｎあるいはその組合せなど、クラウド消費者によって使用されるローカル・コンピューティング・デバイスが通信することができる、１つまたは複数のクラウド・コンピューティング・ノード５０を備える。ノード５０は、互いに通信することができる。ノード５０は、物理的にまたは仮想的に、前述のようなプライベート、コミュニティ、パブリックもしくはハイブリッド・クラウド、またはそれらの組合せなど、１つまたは複数のネットワークにグループ化することができる（図示せず）。これは、クラウド・コンピューティング環境１０がインフラストラクチャ、プラットフォームまたはソフトウェアあるいはその組合せをクラウド消費者がローカル・コンピューティング・デバイスにリソースを保持する必要がないサービスとして提供することを可能にする。図１に示すコンピューティング・デバイス５４Ａ〜Ｎのタイプは、単に例示的なものであり、コンピューティング・ノード５０およびクラウド・コンピューティング環境１０は、任意のタイプのネットワークまたはネットワーク・アドレス指定可能接続あるいはその両方を介して（たとえば、ウェブ・ブラウザを使用して）任意のタイプのコンピュータ制御デバイスと通信することができることが理解されよう。
図２を参照すると、分散クラウド環境またはクラウド・サービス・ネットワークに含まれるクラウド・コンピューティング・ノード５０の概略図が、非限定的実施形態に従って、示される。クラウド・コンピューティング・ノード５０は、適切なクラウド・コンピューティング・ノードの一例に過ぎず、本明細書に記載される発明の実施形態の使用または機能の範囲に関して制限を示唆することは意図されていない。ともあれ、クラウド・コンピューティング・ノード５０は、前述の機能のいずれかを実装または実行するあるいはその両方を行うことができる。
クラウド・コンピューティング・ノード５０には、多数の他の汎用または専用コンピューティング・システム環境または構成で動作可能なコンピュータ・システム／サーバ１２が存在する。コンピュータ・システム／サーバ１２との使用に適し得る、よく知られているコンピューティング・システム、環境または構成あるいはその組合せの例は、パーソナル・コンピュータ・システム、サーバ・コンピュータ・システム、シン・クライアント、シック・クライアント、ハンドヘルドまたはラップトップ・デバイス、マルチプロセッサ・システム、マイクロプロセッサ・ベースのシステム、セット・トップ・ボックス、プログラム可能消費者電子機器、ネットワークＰＣ、ミニコンピュータ・システム、メインフレーム・コンピュータ・システム、および、前述のシステムまたはデバイスのいずれかを含む分散クラウド・コンピューティング環境などを含むが、これらに限定されない。
コンピュータ・システム／サーバ１２は、コンピュータ・システムによって実行される、プログラム・モジュールなど、コンピュータ・システム実行可能命令の一般的関連で説明され得る。一般に、プログラム・モジュールは、特定のタスクを実行するまたは特定の抽象データ・タイプを実装する、ルーチン、プログラム、オブジェクト、構成要素、ロジック、データ構造などを含み得る。コンピュータ・システム／サーバ１２は、タスクが、通信ネットワークを介してリンクされたリモート処理デバイスによって実行される、分散クラウド・コンピューティング環境において実施され得る。分散クラウド・コンピューティング環境では、プログラム・モジュールは、メモリ記憶装置を含む、ローカルおよびリモート・コンピュータ・システム記憶媒体の両方に置かれ得る。
図２に示すように、クラウド・コンピューティング・ノード５０内のコンピュータ・システム／サーバ１２は、汎用コンピューティング・デバイスの形で示される。コンピュータ・システム／サーバ１２の構成要素は、１つまたは複数のプロセッサまたは処理装置１６、システム・メモリ２８、および、システム・メモリ２８を含む様々なシステム構成要素をプロセッサ１６につなぐバス１８を含み得るが、これらに限定されない。
バス１８は、メモリ・バスまたはメモリ・コントローラ、周辺バス、アクセラレイティッド・グラフィックス・ポート、および任意の様々なバス・アーキテクチャを使用するプロセッサまたはローカル・バスを含む、いくつかのタイプのバス構造物のいずれか１つまたは複数を表す。一例として、そして限定ではなく、そのようなアーキテクチャは、業界標準アーキテクチャ（ＩＳＡ）バス、マイクロ・チャネル・アーキテクチャ（ＭＣＡ）バス、拡張ＩＳＡ（ＥＩＳＡ）バス、ＶＥＳＡ（Video Electronics Standards Association）ローカル・バス、およびＰＣＩ（Peripheral Component Interconnect）バスを含む。
コンピュータ・システム／サーバ１２は、通常は、様々なコンピュータ・システム可読媒体を含む。そのような媒体は、コンピュータ・システム／サーバ１２によってアクセス可能な任意の使用可能な媒体でもよく、それは、揮発性および不揮発性媒体、取外し可能および取外し不能媒体の両方を含む。
システム・メモリ２８は、ランダム・アクセス・メモリ（ＲＡＭ）３０またはキャッシュ・メモリ３２あるいはその両方など、揮発性メモリの形のコンピュータ・システム可読媒体を含み得る。コンピュータ・システム／サーバ１２はさらに、他の取外し可能／取外し不能、揮発性／不揮発性コンピュータ・システム記憶媒体を含み得る。単に一例として、ストレージ・システム３４は、取外し不能、不揮発性磁気媒体（図示せず、通常は「ハード・ドライブ」と呼ばれる）から読み取り、そこに書き込むために提供され得る。図示されないが、取外し可能な、不揮発性磁気ディスク（たとえば、「フロッピー（R)・ディスク」）から読み取り、そこに書き込むための磁気ディスク・ドライブと、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭまたは他の光媒体などの取外し可能な、不揮発性光ディスクから読み取り、そこに書き込むための光ディスク・ドライブとが、提供され得る。そのような場合、各々が、１つまたは複数のデータ媒体インターフェースによってバス１８に接続され得る。さらに以下に描写および説明するように、メモリ２８は、本発明の実施形態の機能を実行するように構成されたプログラム・モジュールのセット（たとえば、少なくとも１つの）を有する少なくとも１つのプログラム製品を含み得る。
プログラム・モジュール４２のセット（少なくとも１つの）を有するプログラム／ユーティリティ４０は、一例として、そして限定ではなく、メモリ２８、ならびに、オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データに記憶することができる。オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データまたはそれらの何らかの組合せの各々は、ネットワーク環境の実装形態を含み得る。プログラム・モジュール４２は、一般に、本明細書に記載されるような本発明の実施形態の機能または方法あるいはその両方を実行する。
コンピュータ・システム／サーバ１２は、キーボード、ポインティング・デバイス、ディスプレイ２４などの１つもしくは複数の外部デバイス１４、ユーザがコンピュータ・システム／サーバ１２と対話できるようにする１つもしくは複数のデバイス、または１つもしくは複数の他のコンピューティング・デバイスとコンピュータ・システム／サーバ１２が通信できるようにする任意のデバイス（たとえば、ネットワーク・カード、モデムなど）、あるいはその組合せと通信することができる。そのような通信は、入力／出力（Ｉ／Ｏ）インターフェース２２を介して生じ得る。さらに、コンピュータ・システム／サーバ１２は、ネットワーク・アダプタ２０を介して、ローカル・エリア・ネットワーク（ＬＡＮ）、一般的ワイド・エリア・ネットワーク（ＷＡＮ）または公開ネットワーク（たとえば、インターネット）あるいはその組合せなど、１つまたは複数のネットワークと通信することができる。図示するように、ネットワーク・アダプタ２０は、バス１８を介してコンピュータ・システム／サーバ１２のその他の構成要素と通信する。図示されないが、他のハードウェアまたはソフトウェア構成要素あるいはその両方が、コンピュータ・システム／サーバ１２と併せて使用され得ることを理解されたい。例は、以下のものに限定されないが、マイクロコード、デバイス・ドライバ、冗長処理装置、外部ディスク・ドライブ・アレイ、ＲＡＩＤシステム、テープ・ドライブ、およびデータ・アーカイバル・ストレージ・システムなどを含む。
ここで図３を参照すると、クラウド・コンピューティング環境１０によって提供される機能抽象化層のセットが示される。図３に示される構成要素、層、および機能は、単に例示が意図されており、本発明の実施形態はそれに限定されないことを予め理解されたい。図示するように、以下の層および対応する機能が、提供される。
ハードウェアおよびソフトウェア層６０は、ハードウェアおよびソフトウェア構成要素を含む。ハードウェア構成要素の例は、メインフレーム、一例ではＩＢＭ（Ｒ） ｚＳｅｒｉｅｓ（Ｒ）システム、ＲＩＳＣ（縮小命令セット・コンピュータ）アーキテクチャ・ベースのサーバ、一例ではＩＢＭ ｐＳｅｒｉｅｓ（Ｒ）システム、ＩＢＭ ｘＳｅｒｉｅｓ（Ｒ）システム、ＩＢＭ ＢｌａｄｅＣｅｎｔｅｒ（Ｒ）システム、記憶装置、ネットワークおよびネットワーク構成要素を含む。ソフトウェア構成要素の例は、ネットワーク・アプリケーション・サーバ・ソフトウェア、一例ではＩＢＭ ＷｅｂＳｐｈｅｒｅ（Ｒ）アプリケーション・サーバ・ソフトウェア、およびデータベース・ソフトウェア、一例ではＩＢＭ ＤＢ２（Ｒ）データベース・ソフトウェアを含む（ＩＢＭ、ｚＳｅｒｉｅｓ、ｐＳｅｒｉｅｓ、ｘＳｅｒｉｅｓ、ＢｌａｄｅＣｅｎｔｅｒ、ＷｅｂＳｐｈｅｒｅ、およびＤＢ２は、世界中の多数の法域において登録されたInternational Business Machines Corporationの登録商標である）。）
仮想化層６２は、仮想エンティティの仮想サーバ、仮想ストレージ、仮想プライベート・ネットワークを含む仮想ネットワーク、仮想アプリケーションおよびオペレーティング・システム、ならびに、仮想クライアントなどがそこから提供され得る抽象化層を提供する。
一例では、管理層６４は、以下に説明される機能を提供することができる。リソース・プロビジョニングは、クラウド・コンピューティング環境内でタスクを実行するために使用されるコンピューティング・リソースおよび他のリソースの動的調達を可能にする。メータリングおよびプライシングは、リソースがクラウド・コンピューティング環境内で使用されるときの費用追跡、およびこれらのリソースの消費についての課金もしくは請求を可能にする。一例では、これらのリソースは、アプリケーション・ソフトウェア・ライセンスを備え得る。セキュリティは、クラウド消費者およびタスクの本人確認、ならびに、データおよび他のリソースの保護を可能にする。ユーザ・ポータルは、消費者およびシステム管理者のクラウド・コンピューティング環境へのアクセスを可能にする。サービス・レベル管理は、必要とされるサービス・レベルが満たされるようなクラウド・コンピューティング・リソース割当ておよび管理を実現する。サービス内容合意書（ＳＬＡ）の立案および履行は、将来の要件がＳＬＡに従って予期されるクラウド・コンピューティング・リソースの事前準備および調達を可能にした。
作業負荷層６６は、クラウド・コンピューティング環境がそのために使用され得る機能の例を提供する。この層から提供され得る作業負荷および機能の例は、マッピングおよびナビゲーション、ソフトウェア開発およびライフサイクル管理、仮想教室教育配信、データ分析処理、ならびに、トランザクション処理を含む。
データ・サービス・ネットワーク・システム１０２のコア・ロジックをサポートする能力を有するクラウド環境が以下に詳しく説明されるが、データ・サービス・ネットワーク・システム１０２のコア・ロジックは、デバイス５４Ａ〜５４Ｎのうちの１つまたは複数にローカルに存在し得ることを理解されたい。たとえば、各モバイル・デバイス５４Ａは、データ・サービス・ネットワークシステム１０２のコア・ロジックをそこにローカルにインストールしてあってもよい。この方式では、モバイル・デバイス５４は、データ・サービス・ネットワーク・システム１０２の様々な特徴および動作をローカルに実行することができる。
ここで図４を参照すると、例示的実施形態によるアプリケーションのアプリケーション・ユーザ・インターフェース３００の概略図が示される。図示するように、アプリケーション・ユーザ・インターフェース３００は、入力３０２および出力３０４を含む。例示的実施形態では、入力は、画像、ハイパーリンク、または、前述のような、機能オブジェクトに関連する他のアイテムでもよい、オブジェクトを含み得る。たとえば、オブジェクトは、ウェブサイト上のテキスト入力欄の隣に置かれた検索ボタンでもよい。もう１つの例では、オブジェクトは、ウェブ・ブラウザを別のウェブサイトに移動させるハイパーリンクでもよい。
例示的実施形態では、ユーザは、アプリケーション・ユーザ・インターフェース上の入力３０２で候補薬物または候補患者を提供することができる。一実施形態では、入力３０２は、ユーザからの自由形式の入力、すなわち、非構造化テキスト入力を可能にするように構成され得る。もう１つの実施形態では、入力３０２は、一連の薬物候補または患者候補からユーザが選択することを可能にする１つまたは複数の多肢選択問題を含むウィンドウをユーザに提示することができる。
例示的実施形態では、有害事象予測評価が、出力３０４でユーザ・インターフェースに提供される。いくつかの実施形態では、有害事象予測評価は、関連する有害事象特徴を備える。例示的実施形態では、出力３０４は、いくつかの有害予測評価および有害事象特徴を同時にまたは連続して提供することができる。例示的実施形態では、出力３０４は、すべての入手可能な有害事象特徴、および各特徴についての候補薬物、薬物−薬物ペアまたは薬物−患者ペアの有害予測評価をユーザに提示することができる。
ここで図５を参照すると、例示的実施形態による薬物有害反応を予測するための方法４００の流れ図が示される。ブロック４０２に示すように、方法４００は、特徴データおよび薬物有害事象データを含む、既知の薬物データを受信するステップを含む。次に、ブロック４０４に示すように、方法４００は、非候補薬物もしくは薬物ペアおよび各薬物もしくは薬物ペアの計算された特徴類似度を含む１つまたは複数の特徴類似度テーブルを構築するステップを含む。方法４００はまた、ブロック４０６に示すように、既知の有害事象特徴テーブルを構築するステップを含む。例示的実施形態では、有害事象特徴テーブルは、有害事象特徴をそれらの特徴に対応する既知の薬物または薬物ペアと関連付ける。方法４００はまた、多次元候補有害事象テーブルを構築するステップを含む。例示的実施形態では、候補有害事象テーブルは、候補薬物ペアと、各ペアについての、複数の計算された特徴類似度とを含む。次に、ブロック４１０に示すように、方法４００は、ロジスティック回帰を実行するステップを含む。方法４００はまた、ブロック４１２に示すように、１つまたは複数の有害事象特徴についての候補薬物または薬物ペアの有害事象予測評価を計算するステップを含む。次に、ブロック４１４に示すように、方法４００は、有害予測評価および有害事象特徴をユーザ・インターフェースに転送するステップを含む。
既知の薬物データは、構造化データ、非構造化データ、あるいは、構造化および非構造化データの両方を含み得る。本明細書では、構造化データは、定義された規則の体系に従って分類またはグループ化されたデータを含む。本明細書では、非構造化データは、定義された規則の体系に従って分類またはグループ化されないデータを含む。たとえば、非構造化データは、説明形式で学術論文に公開されたデータを含むがこれらに限定されない。例示的実施形態では、既知の薬物データは、当業者に一般に知られたデータベースからのデータを含む。たとえば、既知の薬物データは、ＤｒｕｇＢａｎｋデータベース、ＵｎｉＰｒｏｔ、Unified Medical Language System（商標）、ＰｕｂＭｅｄ、または、Journal of Clinical Oncology、ＪＡＭＡ、ＢＪＣおよびClinicalInfectious Diseasesを含むがこれらに限定されない様々な科学雑誌、あるいはそれらすべてからのデータを含み得る。
既知の薬物データは、薬物関連の任意の情報を含み得る。例示的実施形態では、既知の薬物データは、特徴データおよび薬物有害事象データを含む。たとえば、既知の薬物特徴データは、たとえば、化学式、立体化学、化学構造、クリスタル構造、一次、二次、または三次タンパク質またはペプチド構造、ヌクレオチド配列または確認を含む構造データと、たとえば作用機構を含む機械論的データと、代謝酵素、代謝経路を含む薬物代謝情報と、薬物生理作用と、薬物剤標的と、作用部位・薬物効・化学構造別分類と、ＤｒｕｇＢａｎｋカテゴリと、化学−タンパク質インタラクトーム（ＣＰＩ）プロファイルとを含むがこれらに限定されない。薬物有害事象データは、薬物に関連する有害事象に関する情報を含む。薬物有害事象データは、たとえば、出血、麻痺、および高カリウム血症などの事象の発生率、有病率、または重大性を含み得る。
例示的実施形態では、有害事象の予測は、候補薬物に関する有害事象に関して行われ得る。たとえば、予測は、候補薬物に関連すると予測される有害事象特徴に関して行われ得る。他の実施形態では、予測は、候補薬物−薬物ペアに関する有害事象に関して行われ得る。たとえば、予測は、患者がある特定のペアの薬物を投与されるときに関連すると予測される有害事象特徴に関して行うことができる。他の実施形態では、予測は、候補患者−薬物ペアに関する有害事象に関して行われ得る。本明細書では、候補患者−薬物ペアは、特定の特性または病歴を有する患者に投与されることになる候補薬物を意味する。いくつかの実施形態では、予測は、特定の患者に個別化され得る。
いくつかの実施形態では、１つまたは複数の特徴類似度テーブルが、構築され得る。例示的実施形態では、特徴類似度テーブルは、非候補薬物または薬物ペアおよび各薬物または薬物ペアの計算された特徴類似度を含む。たとえば、いくつかの実施形態では、特徴類似度テーブルは、数値尺度０から１（Ｓｉｍ）に基づいて類似度を識別することができ、薬物の複数のペアの間で、０は類似していない、１は非常に類似していることを示す。たとえば、特徴類似度テーブルの数字（Ｎ）は、１〜Ｎの番号が付けられたいくつかの特徴のうちの１つに関連し、Ｎは、化学構造などの所与の既知の特徴を表し、以下のような３つの列を含み得る。
…
類似度は、任意のメトリクスによって計算され得る。たとえば、限定ではないが、計算される類似度は、コサイン類似度、ジャカード／谷本類似度、ピアソン相関、化学構造類似度メトリクス、またはＣＰＩベースの類似度メトリクスを評価することによって、判定され得る。
例示的実施形態では、複数の既知の有害事象特徴テーブルが、構築され得る。既知の有害事象特徴テーブルは、有害事象特徴をそれらの特徴に対応する既知の薬物または薬物ペアと関連付けることができる。たとえば、既知の有害事象特徴テーブルは、頭痛などの特定の有害事象に関連するすべての薬物ペアのリストを提供することができる。例示的実施形態では、タイプ１〜Ｍの有害事象のいくつか（Ｍ）の既知の有害事象特徴テーブルは、以下のように二重列テーブルとして提供され得る。
…
例示的実施形態では、多次元候補有害事象テーブルは、特徴類似度テーブルおよび有害事象特徴テーブルに基づいて構築することができる。いくつかの実施形態では、多次元候補有害事象テーブルは、薬物を比較するための複数の構造化および非構造化データソースからの複数の薬物類似度測度を含む。薬物は、任意の既知の特徴に基づいて比較することができる。薬物を比較するために使用することができる例示的比較特徴は、薬物代謝酵素ベースの類似度、薬物作用機構ベースの類似度、薬物生理作用ベースの類似度、ＣＰＩプロファイルベースの類似度、経路ベースの類似度、遺伝子ベースのトポロジ類似度、化学構造類似度、薬物剤標的類似度、作用部位・薬物効・化学構造別分類システムベースの類似度、およびＤｒｕｇＢａｎｋカテゴリを含むが、これらに限定されない。さらに、単一の既知の特徴について、複数のソースからのデータが、収集および比較され得る。例示的候補有害事象テーブルは、以下の形式でもよい。
例示的実施形態では、監視された機械学習プロセス（たとえば、ロジスティック回帰）が、薬物有害事象を予測することができる分類器を既知の有害事象テーブルから判定するために実行される。いくつかの実施形態では、ロジスティック回帰は、珍しい事象を補正することができる。ロジスティック回帰は、たとえば、各候補の機械学習特徴ベクトルを作成するために、多次元候補有害事象テーブルおよび既知の有害事象テーブルを使用して、実行することができる。
いくつかの実施形態では、追加の機械学習特徴が、不完全な類似度マトリックスを補正するために作成される。不完全な類似度マトリックスは、たとえば、複数のソースの各々が、考慮されるすべての薬物および薬物特徴のサブセットのみについてのデータを提供する結果をもたらし得る。薬物特徴の低類似度ベースの予測を有する所与の候補について、たとえば、欠けている情報と存在するが類似度スケールで高いまたは低い情報とを区別することが望ましいことがある。類似度メトリクｓｉｍについて、いくつかの実施形態では、新しい較正特徴が、既知の薬物有害事象データおよび特徴データのセットとは独立して定義され得る。
１）薬物ｄおよび類似度メトリクｓｉｍについて、較正特徴FeatureAvg(d,sim)は、他のすべての既知の薬物に対する薬物ｄの平均（すなわち、算術平均）類似度を見積もる。それは、以下のように計算される。
FeatureAvg(d, sim) = ΣX∈Drugs-{d}sim(d,X)/(|Drugs|-1)、但し、Drugsは、すべての薬物のセットであり、|Drugs|は、薬物の総数である。
２）薬物ｄおよび類似度メトリクｓｉｍについて、較正特徴FeatureStd(d,sim)は、ランダム変数Y = sim(d,X)の標準偏差を見積もり、但し、Ｘは、ｄとは異なる薬物である（すなわち、X∈Drugs-{d}）。
１）薬物ｄおよび類似度メトリクｓｉｍについて、較正特徴FeatureAvg(d,sim)は、他のすべての既知の薬物に対する薬物ｄの平均（すなわち、算術平均）類似度を見積もる。それは、以下のように計算される。
FeatureAvg(d, sim) = ΣX∈Drugs-{d}sim(d,X)/(|Drugs|-1)、但し、Drugsは、すべての薬物のセットであり、|Drugs|は、薬物の総数である。
２）薬物ｄおよび類似度メトリクｓｉｍについて、較正特徴FeatureStd(d,sim)は、ランダム変数Y = sim(d,X)の標準偏差を見積もり、但し、Ｘは、ｄとは異なる薬物である（すなわち、X∈Drugs-{d}）。
例示的実施形態では、本方法は、特徴類似度を重み付けして、比較的珍しい特徴か比較的一般的な特徴かを説明するステップを含む。いくつかの実施形態では、特徴類似度は、ポピュラーな特徴を割り引いて考えるように重み付けされる。例示的実施形態では、ポピュラーな特徴は、以下に従って、比較的珍しい特徴により多くの重みを割り当てるために、逆文献頻度（IDF: Inverse Document Frequency）を使用することによって割り引いて考えることができる。
IDF(t,Drugs) = log((│Drugs│+1)/(DF(t, Drugs)+1))
但し、Drugsは、すべての薬物のセットを表し、ｔは、作用機構または生理作用などの特徴を表し、そして、DF(t, Drugs)は、特徴ｔを有するDrugsにおける薬物の数を表す。例示的実施形態では、重み付けは、コサイン類似度を計算する前など、特徴類似度を計算する前に行われる。
IDF(t,Drugs) = log((│Drugs│+1)/(DF(t, Drugs)+1))
但し、Drugsは、すべての薬物のセットを表し、ｔは、作用機構または生理作用などの特徴を表し、そして、DF(t, Drugs)は、特徴ｔを有するDrugsにおける薬物の数を表す。例示的実施形態では、重み付けは、コサイン類似度を計算する前など、特徴類似度を計算する前に行われる。
いくつかの実施形態では、ロジスティック回帰は、有害事象予測評価を行う。有害事象予測評価は、候補薬物または薬物ペアまたは候補薬物−患者ペアの薬物有害事象の信頼水準を表す。例示的実施形態では、有害事象予測評価は、少なくとも部分的に、１つまたは複数の非候補薬物または薬物ペアの既知の薬物データに基づく。例示的実施形態では、有害事象予測評価は、０と１の間の値である。いくつかの実施形態では、有害事象予測評価は、候補薬物が一般集団に投与されるときに薬物有害事象が生じる信頼水準を表す。いくつかの実施形態では、有害事象予測評価は、候補薬物が特性または病歴を定義された患者に投与されるときに薬物有害事象が生じる信頼水準を表す。いくつかの実施形態では、有害事象予測評価は、候補薬物が特定の患者に投与されるときに薬物有害事象が生じる信頼水準を表す。
いくつかの実施形態では、有害事象予測評価は、候補薬物ペアが一般集団に投与されるときに薬物有害事象が生じる信頼水準を表す。いくつかの実施形態では、有害事象予測評価は、候補薬物ペアが特性または病歴を定義された患者に投与されるときに薬物有害事象が生じる信頼水準を表す。いくつかの実施形態では、有害事象予測評価は、候補薬物ペアが特定の患者に投与されるときに薬物有害事象が生じる信頼水準を表す。
いくつかの実施形態では、候補薬物または薬物ペアまたは薬物−患者ペアの有害事象予測評価および有害事象特徴は、ユーザ・インターフェースに送られる。いくつかの実施形態では、複数の候補薬物または薬物ペアまたは薬物−患者ペアの有害事象予測評価および有害事象特徴は、ユーザ・インターフェースに送られる。
ここで図６を参照すると、例示的実施形態による薬物有害反応を予測するための方法５００の流れ図が示される。ブロック５０２に示すように、方法５００は、特徴データおよび薬物有害事象データを含む、既知の薬物データを受信するステップを含む。次にブロック５０４に示すように、方法５００は、患者健康記録データを受信するステップを含む。図６は、患者データを受信するステップより前に薬物データを受信するステップを示すが、いくつかの実施形態では、患者健康記録データは、薬物データの受信より前に、またはそれと同時に、受信され得ることが理解されよう。ブロック５０６に示すように、方法５００は、非候補薬物または薬物ペアおよび各薬物または薬物ペアの計算された特徴類似度を含む１つまたは複数の特徴類似度テーブルを構築するステップを含む。ブロック５０８に示すように、方法５００は、患者ペアおよび各患者ペアの計算された患者特徴類似度を含む患者状態類似度テーブルを構築するステップを含む。方法５００はまた、ブロック５１０に示すように、複数の個々の患者薬物相互作用および患者−薬物相互作用特徴を含む既知の単一薬物有害事象テーブルを構築するステップを含む。方法５００はまた、ブロック５１２に示すように、多次元候補有害事象テーブルを構築するステップを含む。例示的実施形態では、候補有害事象テーブルは、候補薬物−患者ペアと、各ペアについての、複数の計算された特徴類似度とを含む。次に、ブロック５１４に示すように、方法５００は、ロジスティック回帰を実行するステップを含む。方法５００はまた、ブロック５１２に示すように、１つまたは複数の有害事象特徴の候補薬物または薬物ペアの有害事象予測評価を計算するステップを含む。
患者健康記録データは、医療保健専門家によって収集され、記録に含むことができる患者に関連する任意の情報を含む。そのような情報は、年齢、性別、または民族性、現在の医学的状態、以前の医学的状態、現在の症状、以前の症状、身長、体重、ゲノムデータ、現在のおよび以前の投薬物、または現在のおよび以前の有害事象を含む、人口統計学的データを含むが、これらに限定されない。
いくつかの実施形態では、いくつか（Ｍ）の患者状態類似度テーブルが構築される。患者状態類似度テーブルは、特徴１〜Ｍに関連させることができ、患者ペアおよび各患者ペアの計算された患者特徴類似度を含み得る。患者特徴類似度は、任意の使用可能な手段によって、コサイン類似度などの既知の類似度メトリクスを使用して、計算することができる。
いくつかの実施形態では、多次元候補有害事象テーブルは、候補薬物−患者ペアと、患者の各ペアについての、複数の計算された特徴類似度とを含む。たとえば、一連の個々の患者は、単一の候補有害事象テーブル内の頭痛の発生に基づいて、互いに比較することができる。
いくつかの実施形態では、候補有害事象テーブルは、少なくとも部分的に、いくつかの特性または特徴に基づいて患者を比較する複数の患者類似度を含む多次元患者プロファイルに基づく。
ここで図７を参照すると、例示的実施形態による薬物有害反応を予測するための方法においてポピュラーな用語を割り引いて考えるための方法６００の流れ図が示される。ブロック６０２に示すように、方法６００は、すべての既知の薬物を含むデータ・セットＤを受信するステップを含む。次に、方法６００は、ブロック６０４に示すように、定義された生理作用または作用機構を有するＤ内の薬物の数を計算するステップを含む。方法６００はまた、ブロック６０６に示すように、定義された生理作用の逆文献頻度を計算するステップを含む。次に、ブロック６０８に示すように、方法６００は、特徴類似度を計算する前に逆文献頻度を使用して生理作用または作用機構を重み付けするステップを含む。
ここで図８を参照すると、例示的実施形態による薬物有害反応を予測するための方法７００の流れ図が示される。ブロック７０２に示すように、方法７００は、特徴データおよび薬物有害事象データを含む、既知の薬物データを受信するステップを含む。次にブロック７０４に示すように、方法５００は、患者健康記録データを受信するステップを含む。ブロック７０６に示すように、方法７００は、薬物有害反応訓練リポジトリを構築するステップを含む。薬物有害反応訓練リポジトリは、いくつかの実施形態では、特徴類似度テーブル、既知の有害事象特徴テーブル、患者状態類似度テーブル、または既知の単一薬物有害事象テーブルのうちの１つまたは複数を含み得る。ブロック７０８に示すように、方法７００は、多次元患者プロファイルを構築するステップを含む。次に、ブロック７１０に示すように、方法７００は、多次元薬物プロファイルを構築するステップを含む。多次元薬物プロファイルは、複数の構造化および非構造化データソースからの特徴を含む候補有害事象テーブルを含み得る。次に、方法７００は、ブロック７１２に示すように、多次元患者−薬物プロファイルを構築するステップを含む。ブロック７１４に示すように、方法７００は、類似度ベースの予測特徴を構築するステップを含む。ブロック７１６に示すように、本方法は、較正特徴を構築するステップを含む。次に、ブロック７１８に示すように、方法７００は、薬物有害反応分類器を構築するステップを含む。
一例では、多次元患者プロファイルは、様々な視点から患者を比較する。患者は、たとえば、年齢、性別、人種、ゲノムデータ、現在の健康状態、および以前の状態などの属性を含むプロファイルによって表すことができる。複数の類似度測度が、様々な患者特徴または特性について計算され得る。
例示的実施形態では、多次元患者−薬物プロファイルは、多次元患者プロファイルと多次元薬物プロファイルからの情報を結合させる類似度測度を計算することによって、ｍ人の患者とｍ人の患者によって使用されるｎセットの薬物とを比較することができる。たとえば、多次元患者−薬物プロファイルは、患者識別子、患者によって摂取された薬物、および関連有害事象を含む、多数のデータ・セットを含み得る。
いくつかの実施形態では、患者識別子、患者によって摂取された薬物、および関連有害事象を含む各データ・セットについて、類似度ベースの予測特徴が計算され、ここで、類似度ベースの予測特徴は、候補有害事象テーブルの列内の値に対応する。類似度ベースの予測特徴は、薬物有害反応訓練リポジトリ内の上位Ｋの最も類似する既知の患者−薬物プロファイルの平均によって表すことができる。
例示的実施形態では、方法は、特定の患者が経験する可能性がある薬物有害事象を予測する薬物有害事象分類器を構築するステップを含む。いくつかの実施形態では、薬物有害事象分類器は、有害薬物訓練リポジトリに基づいて、および目標患者特性もしくは患者医療記録データに少なくとも部分的に基づいて、患者に個別化された有害事象予測評価を計算する。いくつかの実施形態では、薬物有害事象分類器は、患者に個別化された有害事象特徴を計算する。一実施形態では、薬物有害事象分類器は、患者に個別化された薬物有害事象の特質を提供する。一実施形態では、薬物有害事象分類器は、患者に個別化された薬物有害事象の原因を提供する。もう１つの実施形態では、薬物有害事象分類器は、患者に個別化された薬物有害事象の機構を提供する。もう１つの実施形態では、薬物有害事象分類器は、患者に個別化された薬物有害事象の重大性を提供する。
たとえば、いくつかの候補薬物と向き合い、特定の患者を治療したいと考える医師は、どの候補薬物を処方するかを選択する前にあらゆる起こり得る有害事象を知ろうとすることがある。医師は、薬物有害事象訓練リポジトリを使用して多次元患者−薬物プロファイルおよび類似度ベースの予測特徴を構築してどの候補薬物を処方するかを判定することができる。たとえば、医師は、候補薬物をユーザ・インターフェースに入力し、出力として、候補薬物のうちのいくつかが重大な有害事象をもたらす可能性が高いという指示を受信し得る。たとえば、出力は、同様の集合の患者で昏睡状態をもたらした別の薬物との化学類似度に基づいて、第１の薬物が昏睡状態をもたらす可能性があると指示することが可能である。それにより、医師は、別の候補薬物を選択して第１の薬物の処方を避けることができる。出力は、たとえば、２つの候補薬物は頭痛をもたらす可能性があるが、患者の性別に基づいて、候補薬物のうちの１つは軽い頭痛をもたらす可能性だけがあるというように、頭痛の重大性が異なる可能性があると指示することができる。出力は、医師に有害事象をもたらす可能性がある候補を知らせる。出力はまた、有害事象の特質および重大性を医師に知らせることができる。医師は、次いで、出力を受信した後に、最適な薬物を患者に処方することができる。
もう１つの例では、既知の薬物と向き合う科学者が、いくつかの構造的類似物のどれを臨床前または臨床試験において追跡するかを判定しようとすることがある。科学者は、候補薬物情報をプロセッサに提供することができる。プロセッサは、いくつかの有害事象特徴に基づいて各候補の有害事象予測評価を計算し、その評価を科学者に出力することができる。プロセッサは、最も有利なものから最も不利なものまで様々な特徴に基づいて候補薬物をランク付けすることができる。科学者は、次いで、最も高くランク付けされた薬物で臨床前または臨床試験を続けることができる。
本発明は、システム、方法またはコンピュータ・プログラム製品あるいはその組合せでもよい。コンピュータ・プログラム製品は、本発明の態様をプロセッサに実施させるコンピュータ可読プログラム命令を有する１つまたは複数のコンピュータ可読記憶媒体を含み得る。
コンピュータ可読記憶媒体は、命令実行デバイスによって使用するための命令を保持および記憶することができる有形デバイスでもよい。コンピュータ可読記憶媒体は、たとえば、電子記憶装置、磁気記憶装置、光記憶装置、電磁気記憶装置、半導体記憶装置、または、前述の任意の適切な組合せでもよいが、これらに限定されない。コンピュータ可読記憶媒体のより具体的な例の包括的でないリストは、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、消去可能プログラム可能読取り専用メモリ（ＥＰＲＯＭまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク読取り専用メモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリ・スティック、フロッピー（R)・ディスク、パンチカードまたは命令が記録された溝の中の隆起した構造などの機械的にコード化されたデバイス、および、前述の任意の適切な組合せを含む。本明細書では、コンピュータ可読記憶媒体は、電波または他の自由に伝播する電磁波、導波管または他の伝送媒体を介して伝播する電磁波（たとえば、光ファイバ・ケーブルを通過する光パルス）、または、ワイヤを介して送信される電気信号など、一時的信号として正確な意味において解釈されるべきではない。
本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体からそれぞれのコンピューティング／処理デバイスに、あるいは、ネットワーク、たとえば、インターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワークまたはワイヤレス・ネットワークあるいはその組合せを介して外部コンピュータもしくは外部記憶装置にダウンロードされ得る。ネットワークは、銅伝送ケーブル、光伝送ファイバ、ワイヤレス伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータまたはエッジ・サーバあるいはその組合せを備え得る。各コンピューティング／処理デバイス内のネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、それぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体に記憶するためにコンピュータ可読プログラム命令を転送する。
本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、インストラクション・セット・アーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、あるいは、Ｓｍａｌｌｔａｌｋ（R)、Ｃ＋＋などのオブジェクト指向プログラミング言語および「Ｃ」プログラミング言語または同様のプログラミング言語などの従来の手続き型プログラミング言語を含む任意の組合せの１つまたは複数のプログラミング言語で書かれたソース・コードまたはオブジェクト・コードのいずれかでもよい。コンピュータ可読プログラム命令は、ユーザのコンピュータで完全に、ユーザのコンピュータで部分的に、スタンドアロン・ソフトウェア・パッケージとして、ユーザのコンピュータで部分的におよびリモート・コンピュータで部分的にまたはリモート・コンピュータもしくはサーバで完全に実行することができる。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）を含む、任意のタイプのネットワークを介してユーザのコンピュータに接続することができ、あるいは、接続は、外部コンピュータに行われてもよい（たとえば、インターネット・サービス・プロバイダを使用してインターネットを介して）。いくつかの実施形態では、たとえば、プログラマブル・ロジック回路、フィールドプログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む電子回路は、本発明の態様を実行するために、コンピュータ可読プログラム命令の状態情報を使用して電子回路を個別化することによって、コンピュータ可読プログラム命令を実行することができる。
本発明の態様は、本発明の実施形態による方法、装置（システム）、およびコンピュータ・プログラム製品の流れ図またはブロック図あるいはその両方を参照して本明細書で説明される。流れ図またはブロック図あるいはその両方の各ブロック、ならびに、流れ図またはブロック図あるいはその両方のブロックの組合せは、コンピュータ可読プログラム命令によって実装され得ることが理解されよう。
これらのコンピュータ可読プログラム命令は、コンピュータまたは他のプログラム可能データ処理装置のプロセッサを介して実行する命令が、流れ図またはブロック図あるいはその両方の１つまたは複数のブロックで指定された機能／動作を実装するための手段を作り出すように、汎用コンピュータ、専用コンピュータ、または他のプログラム可能データ処理装置のプロセッサに提供されてマシンを作り出すものであってよい。これらのコンピュータ可読プログラム命令はまた、命令が記憶されたコンピュータ可読記憶媒体が、流れ図またはブロック図あるいはその両方の１つまたは複数のブロックで指定された機能／動作の態様を実装する命令を含む製品を備えるように、コンピュータ可読記憶媒体に記憶され、コンピュータ、プログラム可能データ処理装置または他のデバイスあるいはその組合せに特定の形で機能するように指示するものであってもよい。
コンピュータ可読プログラム命令はまた、コンピュータ、他のプログラム可能装置、または他のデバイスで実行する命令が、流れ図またはブロック図あるいはその両方の１つまたは複数のブロックで指定された機能／動作を実装するように、コンピュータ実装プロセスを作り出すべく、コンピュータ、他のプログラム可能データ処理装置または他のデバイスにロードされ、コンピュータ、他のプログラム可能装置または他のデバイスで一連の動作ステップを実行させるものであってもよい。
図中の流れ図およびブロック図は、本発明の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の起こり得る実装形態のアーキテクチャ、機能、および動作を説明する。これに関連して、流れ図またはブロック図内の各ブロックは、指定された論理機能を実装するための１つまたは複数の実行可能命令を備える、モジュール、セグメント、または命令の一部を表し得る。いくつかの代替実装形態では、ブロックに示された機能は、図に示された順番以外で生じ得る。たとえば、連続して示された２つのブロックは、実際には、実質的に同時に実行されることがあり、あるいは、それらのブロックは、関連する機能に応じて、時に、逆の順番で実行されることがある。ブロック図または流れ図あるいはその両方の各ブロック、ならびに、ブロック図または流れ図あるいはその両方のブロックの組合せは、指定された機能もしくは動作を実行するまたは専用ハードウェアおよびコンピュータ命令の組合せを実行する専用ハードウェアベースのシステムによって実装することができることにも留意されたい。
１０ クラウド・コンピューティング環境
１２ コンピュータ・システム／サーバ
１４ 外部デバイス
１６ プロセッサまたは処理装置
１８ バス
２０ ネットワーク・アダプタ
２２ 入力／出力インターフェース
２４ ディスプレイ
２８ システム・メモリ
３０ ランダム・アクセス・メモリ（ＲＡＭ）
３２ キャッシュ・メモリ
３４ ストレージ・システム
４０ プログラム／ユーティリティ
４２ プログラム・モジュール
５０ クラウド・コンピューティング・ノード
５４Ａ 携帯電話
５４Ｂ デスクトップ・コンピュータ
５４Ｃ ラップトップ・コンピュータ
５４Ｎ 自動車コンピュータ・システム
６０ ハードウェアおよびソフトウェア層
６２ 仮想化層
６４ 管理層
６６ 作業負荷層
１０２ データ・サービス・ネットワーク・システム
３００ アプリケーション・ユーザ・インターフェース
３０２ 入力
３０４ 出力
１２ コンピュータ・システム／サーバ
１４ 外部デバイス
１６ プロセッサまたは処理装置
１８ バス
２０ ネットワーク・アダプタ
２２ 入力／出力インターフェース
２４ ディスプレイ
２８ システム・メモリ
３０ ランダム・アクセス・メモリ（ＲＡＭ）
３２ キャッシュ・メモリ
３４ ストレージ・システム
４０ プログラム／ユーティリティ
４２ プログラム・モジュール
５０ クラウド・コンピューティング・ノード
５４Ａ 携帯電話
５４Ｂ デスクトップ・コンピュータ
５４Ｃ ラップトップ・コンピュータ
５４Ｎ 自動車コンピュータ・システム
６０ ハードウェアおよびソフトウェア層
６２ 仮想化層
６４ 管理層
６６ 作業負荷層
１０２ データ・サービス・ネットワーク・システム
３００ アプリケーション・ユーザ・インターフェース
３０２ 入力
３０４ 出力
Claims (5)
- コンピュータの情報処理により薬物有害事象を予測する方法であって、
1つ以上の薬物データベースから既知の薬物データを受信するステップと、
候補薬物、薬物ペア、および候補薬物と患者のペア（候補薬物―患者ペア）のうちの1つまたは複数を受信するステップと、
プロセッサによって、有害事象の有害事象予測評価を計算するステップであって、
複数の薬物ペアと、前記複数の薬物ペアについて関連度を表す特徴類似性度を含む、１つ以上の特徴類似性テーブルを構築するステップ、
既知の有害事象の特徴と関連する既知の薬物または薬物ペアを含む1つ以上の有害事象特徴テーブルを作成するステップであって、前記有害事象の特徴には、有害薬物の性質、原因、機構、および重症度の1つ以上を含む、ステップと
前記１つ以上の特徴類似性テーブルおよび前記１つ以上の有害事象特徴テーブルに基づいて１つ以上の多次元候補有害事象テーブルを構築するステップと、
機械学習ロジスティック回帰モデルによって生成された、1つ以上の有害事象特徴テーブルと1つ以上の多次元候補有害事象テーブルから抽出された複数の特徴を含む特徴ベクトルに基づいて、有害事象予測評価を決定する候補薬物、薬物ペア、候補薬物―患者ペアの1つ以上の有害薬物事象の信頼レベルを表す有害事象予測評価を決定するステップと、
前記有害事象予測評価と１つ以上の潜在的な有害事象を出力するステップと、
１つ以上の多次元薬物プロファイルを構築するステップであって、前記多次元薬物プロファイルが、１つ以上の有害事象予測評価に基づき、候補薬物、薬物のペア、および候補薬物―患者ペアの1つ以上の複数の有害事象特徴を含む、ステップと
を含む、方法。 - 前記方法が、候補薬物、薬物ペア、および候補薬物―患者ペアのうちの１つまたは複数の１つまたは複数の特徴類似性を計算し、個別に複数の特徴類似性を重み付けするステップをさらに含む、請求項１に記載の方法。
- 請求項１〜２の何れか１項に記載の方法の各ステップを、コンピュータに実行させる、コンピュータ・プログラム。
- 請求項３記載の前記コンピュータ・プログラムを、コンピュータ可読媒体に記録した、コンピュータ可読媒体。
- 請求項１〜２の何れか１項に記載の方法の各ステップを、コンピュータ・ハードウェアによる手段として構成した、処理システム。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/920,327 US20170116376A1 (en) | 2015-10-22 | 2015-10-22 | Prediction of adverse drug events |
| US14/920327 | 2015-10-22 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017084350A JP2017084350A (ja) | 2017-05-18 |
| JP6722076B2 true JP6722076B2 (ja) | 2020-07-15 |
Family
ID=57539940
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016188561A Active JP6722076B2 (ja) | 2015-10-22 | 2016-09-27 | 薬物有害事象を予測するためのコンピュータ実装方法、コンピュータ・プログラム製品、および処理システム |
Country Status (3)
| Country | Link |
|---|---|
| US (2) | US20170116376A1 (ja) |
| JP (1) | JP6722076B2 (ja) |
| GB (1) | GB2544860A (ja) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190095584A1 (en) * | 2017-09-26 | 2019-03-28 | International Business Machines Corporation | Mechanism of action derivation for drug candidate adverse drug reaction predictions |
| KR20190065128A (ko) | 2017-12-01 | 2019-06-11 | 한국과학기술원 | 약물의 구조 정보를 이용한 약물-약물 또는 약물-음식 상호작용 예측 방법 |
| US11120913B2 (en) | 2018-01-24 | 2021-09-14 | International Business Machines Corporation | Evaluating drug-adverse event causality based on an integration of heterogeneous drug safety causality models |
| EP3525213A1 (en) * | 2018-02-07 | 2019-08-14 | Koninklijke Philips N.V. | Identifying adverse events |
| US11164678B2 (en) * | 2018-03-06 | 2021-11-02 | International Business Machines Corporation | Finding precise causal multi-drug-drug interactions for adverse drug reaction analysis |
| CN111383725B (zh) * | 2018-12-28 | 2023-04-28 | 国家食品药品监督管理总局药品评价中心 | 不良反应数据鉴别方法、装置、电子设备及可读介质 |
| US11568018B2 (en) * | 2020-12-22 | 2023-01-31 | Dropbox, Inc. | Utilizing machine-learning models to generate identifier embeddings and determine digital connections between digital content items |
| EP4068295A1 (en) * | 2021-03-29 | 2022-10-05 | Siemens Healthcare GmbH | Clinical decision support system for estimating drug-related treatment optimization concerning inflammatory diseases |
| CN113362886B (zh) * | 2021-07-26 | 2022-04-15 | 北京航空航天大学 | 基于药物显隐式特征融合相似性的不良反应预测方法 |
| WO2023126832A1 (en) * | 2021-12-30 | 2023-07-06 | Pfizer Inc. | Digital medicine companion for cdk inhibitor medications for cancer patients |
| WO2024019081A1 (ja) * | 2022-07-22 | 2024-01-25 | 富士フイルム株式会社 | 情報処理装置、情報処理装置の作動方法、および情報処理装置の作動プログラム |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6219674B1 (en) * | 1999-11-24 | 2001-04-17 | Classen Immunotherapies, Inc. | System for creating and managing proprietary product data |
| US6551243B2 (en) * | 2001-01-24 | 2003-04-22 | Siemens Medical Solutions Health Services Corporation | System and user interface for use in providing medical information and health care delivery support |
| US8095379B2 (en) * | 2003-12-30 | 2012-01-10 | Cerner Innovation, Inc. | System and method for preemptive determination of the potential for an atypical clinical event related to the administering of medication |
| JP2010505155A (ja) * | 2006-08-22 | 2010-02-18 | リード ホース テクノロジーズ インコーポレイテッド | 医療評価支援システムと方法 |
| US8099298B2 (en) * | 2007-02-14 | 2012-01-17 | Genelex, Inc | Genetic data analysis and database tools |
| CN102483818A (zh) * | 2009-04-22 | 2012-05-30 | 领头马科技股份有限公司 | 人工智能辅助的医疗参考系统和方法 |
| US8543422B2 (en) * | 2011-04-04 | 2013-09-24 | International Business Machines Corporation | Personalized medical content recommendation |
| US9305267B2 (en) * | 2012-01-10 | 2016-04-05 | The Board Of Trustees Of The Leland Stanford Junior University | Signal detection algorithms to identify drug effects and drug interactions |
| US20130191161A1 (en) * | 2012-01-24 | 2013-07-25 | Vimedicus, Inc. | Patient data input and access system that enhances patient care |
| JP6410289B2 (ja) * | 2014-03-20 | 2018-10-24 | 日本電気株式会社 | 医薬品有害事象抽出方法及び装置 |
| US10803144B2 (en) * | 2014-05-06 | 2020-10-13 | International Business Machines Corporation | Predicting drug-drug interactions based on clinical side effects |
-
2015
- 2015-10-22 US US14/920,327 patent/US20170116376A1/en not_active Abandoned
- 2015-11-30 US US14/953,590 patent/US20170116390A1/en not_active Abandoned
-
2016
- 2016-09-23 GB GB1616211.7A patent/GB2544860A/en not_active Withdrawn
- 2016-09-27 JP JP2016188561A patent/JP6722076B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US20170116376A1 (en) | 2017-04-27 |
| GB201616211D0 (en) | 2016-11-09 |
| GB2544860A (en) | 2017-05-31 |
| JP2017084350A (ja) | 2017-05-18 |
| US20170116390A1 (en) | 2017-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6722076B2 (ja) | 薬物有害事象を予測するためのコンピュータ実装方法、コンピュータ・プログラム製品、および処理システム | |
| JP7343453B2 (ja) | 配列に基づいた遺伝子検査の解釈および報告のための方法およびシステム | |
| US20190252047A1 (en) | Electronic Medical Record Summary and Presentation | |
| Ma et al. | Protein threading using context-specific alignment potential | |
| Luo et al. | Big data application in biomedical research and health care: a literature review | |
| Buske et al. | PhenomeCentral: a portal for phenotypic and genotypic matchmaking of patients with rare genetic diseases | |
| Saraiya et al. | Visualizing biological pathways: requirements analysis, systems evaluation and research agenda | |
| Huang et al. | Promises and challenges of big data computing in health sciences | |
| Cheng et al. | OAHG: an integrated resource for annotating human genes with multi-level ontologies | |
| Grossman | Data lakes, clouds, and commons: a review of platforms for analyzing and sharing genomic data | |
| US20120072232A1 (en) | Systems and Methods for Using Online Resources to Design a Clinical Study and Recruit Participants | |
| Hoffman et al. | Electronic medical records and personalized medicine | |
| Chicco et al. | Survival prediction of patients with sepsis from age, sex, and septic episode number alone | |
| Kudtarkar et al. | Cost-effective cloud computing: a case study using the comparative genomics tool, roundup | |
| Ocaña et al. | Parallel computing in genomic research: advances and applications | |
| Fahr et al. | A review of the challenges of using biomedical big data for economic evaluations of precision medicine | |
| WO2016141045A2 (en) | Detection and visualization of temporal events in a large-scale patient database | |
| Xiao et al. | An MCEM framework for drug safety signal detection and combination from heterogeneous real world evidence | |
| Juan-Blanco et al. | IntSide: a web server for the chemical and biological examination of drug side effects | |
| Azuaje et al. | Computational biology for cardiovascular biomarker discovery | |
| Agapito et al. | BioPAX-Parser: parsing and enrichment analysis of BioPAX pathways | |
| US20190096524A1 (en) | Mechanism of action derivation for drug candidate adverse drug reaction predictions | |
| Baker et al. | Comprehensive comparison of cloud-based NGS data analysis and alignment tools | |
| Cardoso et al. | A collection of benchmark data sets for knowledge graph-based similarity in the biomedical domain | |
| US20210174912A1 (en) | Data processing systems and methods for repurposing drugs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190225 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191224 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200121 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200417 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200616 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200619 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6722076 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |