지식 보강된 의사결정 인공지능을 위한 정신 건강 약물 정보 탐색

환자들은 의약품 정보를 온라인에서 점점 더 많이 찾고 있지만, 정신약물의 안전 정보는 규제 기관의 부작용 기록과 환자의 경험담 사이에 나뉘어져 있다. 규제 기관의 기록은 권위가 있지만 추상적이고, 환자의 경험담은 실제적이지만 검증되지 않은 것이 문제이다. 정신과에서 잘못된 맥락을 제공한 정보는 공포, 부정적인 반응, 의약품 투여 거부를 가중시킬 수 있다. 이 연구에서는 466,525개의 레딧 포스트, 60,782개의 웹MD 리뷰, 9종의 항우울제에 대한 20년간의 미국 FDA 부작용 신고 시스템 기록을 통합한 지식 그래프 기반의 다중 agent framework를 개발하였다. 대규모 언어 모델을 이용한 entity recognition pipeline는 의사들의.Annotation과 benchmarked 되었으며, 약물과 질환에 대한 F1 점수는 각각 0.969와 0.973로 나타났다. 두 개의 커뮤니티 플랫폼은 규제 보고서보다 서로 간에 훨씬 더 일치하였으며(Jaccard 유사도 0.905까지), 환자가 생성한 데이터는 안전 신호의 일부로 작용한다는 것을 나타낸다. 세트라린의 부작용은 FDA의 기록보다 커뮤니티 소스에서 수백일 전에 나타났다는 것을 발견하였다. ATC-N, ICD-10, MedDRA 사전을 기반으로 Neo4j 지식 그래프는 원천을 고려하여 모든 주장을 추적하고 환자의 경험과 규제 정보를 구분할 수 있다. 이 연구 결과는 정신약물 정보의 더 안전한 통합을 위한 출처를 고려한 통합의 가능성을 입증하였으며, 이에 대한 유용성과 환자의 이익을 미래에 검증할 필요가 있다.