Nov, 2022

处方药物毒性监测的社交媒体挖掘：端到端流程、挑战和未来工作

PDF
TL;DR本文介绍了一种基于自然语言处理和机器学习技术的高级端到端管道，用于从社交媒体平台 Twitter 和 Reddit 中收集关于非医疗处方药物使用的信息，以提高社交媒体研究毒剂监测的效率。
substance usesubstance use disorderoverdosessurveillancesocial media
发现论文，激发创造
  • 社交媒体作为传感器：利用自然语言处理分析 Twitter 数据对乳腺癌药物效果的研究

    通过自然语言处理技术，本论文以社交媒体数据为资源，研究了乳腺癌患者 / 幸存者的自述信息以及相关药物治疗的副作用和使用模式，揭示了社交媒体数据在乳腺癌研究中的巨大潜力。

    Feb, 2024

  • 识别社区媒体发布的使用、滥用和成瘾的自我披露

    为了更有效地预防意外的阿片类药物过量，医务人员需要强大且及时的工具来有效识别患者的风险，本研究通过 Reddit 这类社区平台中的自述信息，构建了一个中等规模的含有 2500 条与阿片类药物相关的帖子语料库，对这些帖子进行了分阶段的注释，并通过研究这些注释在模型开发和质量方面的作用，评估了几种最先进的模型，结果显示，在高风险领域如阿片类药物使用障碍研究中，使用解释可以显著提高分类准确度。

    Nov, 2023

  • 社交媒体帖子中的多任务药品监测挖掘

    提出了一种多任务神经网络框架，通过在社交媒体帖子中学习与 ADR 监测相关的多个任务和不同级别的监督来有效监测 ADR 的各个方面。该框架能正确分类 ADR 帖子并从中准确提取 ADR 提及，并能进一步从给定的社交媒体帖子中理解药物使用的原因。在 Twitter 真实数据集上的评估结果表明，该框架在各个任务上均优于现有的最先进的备选方案。

    Jan, 2018

  • 我们能检测出物质使用障碍吗？：来自暗网的社交媒体知识与时间感知分类

    本文使用深度学习、BERT 模型以及情感分析来研究社交媒体中与合成类阿片类药物相关的帖子，分析了社交媒体和加密市场数据，探究人们对不同药物的感受和态度，最终建立了基于这些特征的时间感知神经模型，成功地 (具有统计学意义) 识别出物质滥用障碍。

    Apr, 2023

  • 社交媒体趋势在药物滥用随笔中的应用：针对 Cryptomarket 阿片类药物交易的调查

    该研究分析了社交媒体上的药物滥用帖子和通过加密市场公开售卖的合成阿片类药物，并使用药物滥用本体论，深度学习和基于 BERT 的模型来生成情感和情绪，进而了解用户对各种药物的感知，核对各个药物对应的情绪和情感，结合话题分析帮助政策制定，在必要时进行干预以遏制阿片类药物的危害。

    Mar, 2021

  • 基于人工智能的社交网络安全信号检测方法：以 2017 年度多西蒙多论坛甲状腺素丑闻为例

    本文提出了一种基于人们评论的文本生成词云的深度学习模型，以探测潜在药物安全信号，并在法国的 Levothyrox 案例上进行了评估。结果表明，提出的指标可以用于有效检测新的安全信号，同时，每月生成的文本的词云训练的 WC-CNN 模型的准确率为 75%。

    Feb, 2022

  • 通过领域特定预处理和 BERT 组合检测 Twitter 上的不良药物反应

    该论文旨在开发一个基于深度学习模型的方法，对包含药物提及的 Twitter 帖子中的 ADR 进行分类，以实现药品监管自动化，支持药品监管机构，制药业和普通公众确保每日处方药的安全，最终我们的模型在 F1 值（0.6681）和召回率（0.7700）方面实现了最优表现。

    May, 2020

  • 基于主题的社交媒体阿片类药物康复关键词提取

    本文针对社交媒体中的健康文本管理，设计了一种主题驱动的关键短语提取方案，提供了一个含有相关医疗信息的 KE 数据集 SuboxoPhrase，以及一个从 Reddit 中提取依赖性治疗药物的数据集案例，同时测试了 10 个常用的 KE 模型，为社交健康文本的大规模分析和有用的公共健康趋势或知识填补提供了基础。

    Jan, 2023

  • 社交媒体上的毒性定义和检测：关键在于上下文和知识

    本研究旨在通过使用心理学和社会理论来定义网络上的毒性，提出了一种多维度的网络毒性检测方法，结合显式知识和统计学习算法，以解决网络毒性检测中的歧义和复杂度问题。

    Apr, 2021

  • Reddit-Impacts: 一个从社交媒体中衍生出的用于分析物质使用的临床和社交效应的命名实体识别数据集

    通过使用社交媒体数据，特别是由有实际使用经验的人生成的数据，来更好地了解物质使用障碍的临床和社会影响，并开发能够自动检测社交媒体数据中物质使用的临床和社会影响的系统，以帮助制定有效的公共卫生战略。

    May, 2024