Supp AI使用機器學習來識別補充交互

• 2019 年 10 月 7 日
• 筆記

為此，艾倫研究所本周推出了門戶網站Supp AI，幫助使用維生素、礦物質、酶和激素等補充劑的消費者，識別出可能會與之產生不利影響的產品或藥物。——通過一個簡單的搜索欄，輸入常用藥物（如百憂解和沙拉非姆）的商品名和有效藥物成分（氟西汀）的名稱，從支援相互作用的研究論文中彈出句子，同時鏈接到每個來源。

例如，對銀杏補充劑的研究發現，它與華法林和一氧化氮等物質可能存在140種相互作用。

Supp AI不僅可以顯示所有可能與查詢補充物交互的化學物質或藥物，還可以根據相關元數據對證據句進行排序，並對源文件進行優先順序排序。——影響最終排序的因素包括(但不限於)非撤銷研究、臨床試驗、人體研究和近因。

在Supp AI部署之前，2950萬條自動標註的句子被輸入到BERT-DDI模型中（一種補充藥物相互作用證據提取器），促使補充品和藥物CUIs的策展列表被用來刪除不相關的句子，並將相關的證據分組在一起，每個句子都用原始論文的元數據(如標題、作者、發表地點、撤回狀態和發表年份)進行注釋。

為了評估提取句子的品質，研究小組的實驗人員抽取了200個樣本，並手工標記了這些句子中提到的補充語的相互作用。最終結果不負眾望，BERT-DDI模型的準確率為87%，精確度為77%(正確預測的陽性觀測值與總預測陽性觀測值的比值)，召回率為96%(分類器找到所有陽性樣本的能力)。

研究人員表示，近期的目標是定期更新Supp AI，將新論文中提取的最新資訊納入語義學者資料庫。未來發布的版本可能會顯示相互作用的嚴重程度，或者可能會建議使用補充劑來增強其他補充劑或藥物的效果，並列出這些補充劑或藥物已被證明有效的場景或情況。

Supp AI網址：https://supp.ai

end