Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Crowdsourcing-Based Knowledge Graph Construction for Drug Side Effects Using Large Language Models with an Application on Semaglutide

Created by
  • Haebom

저자

Zhijie Duan, Kai Wei, Zhaoqian Xue, Jiayan Zhou, Shu Yang, Siyuan Ma, Jin Jin, Lingyao li

개요

본 논문은 소셜 미디어 데이터에서 약물 부작용 정보를 추출하여 지식 그래프(KG)로 구성하는 체계적인 프레임워크를 제시합니다. 대규모 언어 모델(LLM)을 활용하여 레딧의 세마글루티드(체중 감량용) 관련 데이터를 분석하고, 시간 경과에 따른 다양한 브랜드의 부작용을 조사합니다. 구축된 지식 그래프를 이용하여 분석한 결과는 FAERS 데이터베이스와 비교 검증되며, 의료 전문가와 환자 모두에게 세마글루티드의 안전성 프로필과 기존 지식 기반을 보완하는 환자 중심의 통찰력을 제공합니다. 이 연구는 소셜 미디어 데이터를 LLM을 통해 구조화된 지식 그래프로 변환하여 약물 감시에 활용하는 가능성을 보여줍니다.

시사점, 한계점

•
시사점:
◦
소셜 미디어 데이터를 활용한 약물 감시의 새로운 가능성 제시
◦
LLM 기반의 체계적인 프레임워크를 통해 효율적인 부작용 정보 추출 및 분석 가능
◦
환자 중심의 부작용 정보 제공으로 의료 전문가 및 환자의 이해도 향상
◦
FAERS 데이터베이스와의 비교 검증을 통한 신뢰성 확보
•
한계점:
◦
레딧 데이터에 대한 의존으로 인한 일반화 가능성의 제한
◦
소셜 미디어 데이터의 비구조적이고 불확실한 특성으로 인한 오류 가능성
◦
LLM의 성능 및 편향에 대한 고려 필요
◦
분석 대상 약물이 세마글루티드에 국한됨
◦
다른 소셜 미디어 플랫폼으로의 확장성 검증 필요
👍
Made with Slashpage