OnSIDES 数据库：运用自然语言处理模型从药品标签中挖掘药物不良反应，助力药物安全研究

为解决药物不良反应（ADEs）机器可读数据库稀缺，限制药物安全系统性研究的问题，研究人员开展从药品标签提取 ADEs 构建 OnSIDES 数据库的研究。结果显示该数据库含超 360 万药物 - ADE 对，能助力研究。其意义在于为药物安全研究提供资源。

　　背景：药物不良反应（ADEs）是美国第四大死因，每年增加数十亿美元医疗成本。然而，ADEs 的机器可读数据库很少，限制了在更广泛、系统层面研究药物安全性的能力。自然语言处理方法（如 BERT 模型）的进展，为从非结构化生物医学文本中准确提取相关信息提供了机会。
方法：研究人员微调 PubMedBERT 模型，从美国食品药品监督管理局（FDA）处方药结构化产品标签文本中提取 ADE 术语，构建了 OnSIDES（标签副作用资源）数据库，这是一个机器友好的药物 - ADE 对数据库。研究人员还用该方法提取儿科特异性 ADEs、标签 “黑框警告” 部分的严重 ADEs，以及英国、欧盟和日本等主要国家药品标签中的 ADEs，构建了补充数据库 OnSIDES - INTL。为展示 OnSIDES 的潜在应用，研究人员利用该数据库预测新的药物靶点和适应症，分析不同药物类别中 ADEs 的富集情况，并从化合物结构预测新的 ADEs。
结果：从标签 “不良反应” 部分提取 ADEs 时，F₁分数达到 0.90，受试者工作特征曲线下面积（AUROC）为 0.92，平均精度（AUPR）为 0.95 。OnSIDES 包含从 47211 个标签中提取的 3233 种独特药物成分组合的超 360 万药物 - ADE 对。
结论：OnSIDES 可作为研究和提高药物安全性的综合资源。
资助：R35GM131905 资助给 N.P.T.；T32GM145440 资助给 H.Y.C.；T15LM007079 资助给 U.G.、M.Z. 和 K.L.B.