Apport d'une modélisation ontologique pour la détection du signal en pharmacovigilance
Résumé
La détection du signal en pharmacovigilance consiste à mettre en évidence toute association potentielle entre un médicament et les effets indésirables qu'il est susceptible de provoquer, cette relation étant inconnue ou insuffisamment documentée. Des méthodes de fouille de données basée sur l'apprentissage statistique permettent d'explorer de façon non supervisée de grandes quantités de données dans les bases nationales de pharmacovigilance. Notre objectif est de développer une méthode de détection du signal qui tient compte de l'information sémantique contenue dans les termes retenus pour le codage des effets indésirables des médicaments (dictionnaire MedDRA). Nous avons modélisé les termes MedDRA au moyen de la logique de description SHIQ dans l'éditeur d'ontologie OilEd. La mise en oeuvre du moteur d'inférence RACER sur les données ainsi traitées permet de regrouper les cas sémantiquement proches. L'intégration de ce raisonnement terminologique aux méthodes classiques de détection du signal améliore significativement les résultats.
Domaines
Intelligence artificielle [cs.AI]
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...