استخراج ارتباط میان بیماری و اثرات جانبی داروها با استفاده از روش مدل سازی موضوعی با رجوع به متون پزشکی در شبکه های اجتماعی

رابطه میان بیماری و اثرات جانبی داروی مورداستفاده در دو وبسایت اینترنتی Sider و WebMD تعریف شده است. هدف از این مقاله یافتن ارتباط بین بیماری و اثرات جانبی داروی مورداستفاده آن از طریق گزارش کاربران معمولی از وبسایت Ask a patient و مقایسه این گزارشها با عوارض جانبی اعلام شده در وبسایت های مرجع مانند Sider و WebMD میباشد. علاوه بر این، نظرات کاربران معمولی در مورد داروهای بسیار موردنظر (داروهای اعصاب، ناباروری و گوارش) در ده ههای گذشته مورد تجزیه وتحلیل قرارگرفته است.علت چنین تحقیقاتی این است که نظرات متداول کاربران و گرایشات آنها به عنوان یک عامل مهم برای تعیین بهترین داروها ازنظر بهبود در درمان یا کاهش عوامل خطر است. نظرات متداول کاربران در مورد اثر جانبی دارو از وبسایت Ask a patient جمع آوری شد. پسازآن، موضوعات اصلی عوارض جانبی برای هر گروه از داروها شناسایی شده و درنهایت، عوارض جانبی داروها از طریق وبسایتهای Sider و WebMDبازیابی میشوند و گزارش میشوند. به طورکلی هدف از این مطالعه، تحلیل نظرات مشتریان گزارش شده در وبسایت Ask a patient و مقایسه این نظرات با گزارشات مربوط به اثر جانبی داروها با وبسایتهای مهمی که ذکر شد، بوده است. مدل ما نشان میدهد که توانایی لازم بهمنظور شناسایی اثر جانبی در یک داکیومنت متنی را دارا میباشد . با استفاده از به کارگیری روش مدلسازی موضوعی این قابلیت به وجود آمد تا اثر جانبی داروهای جدید را شناسایی کند. درواقع، با توجه به ماهیت بیطرفانه نظر کاربران معمولی، این نظرات شاخص قابلاعتماد برای شرکتهای تولیدکننده دارو به منظور کاهش اثر جانبی هستند.

Keywords:

متن کاوی , مدلسازی موضوعی , پردازش زبان طبیعی , اثر جانبی , روش NMF