Artificial Intelligence for Post-Marketing Pharmacovigilance of Herbal and Botanical Medicines: A Scoping Review and the MIAHPV Framework
このスコーピングレビューは、既存の安全性報告におけるデータの質の不一致に起因する、生薬ファーマコビジランスへの人工知能適用の決定的な欠落を特定し、AIによるシグナル検出に向けた生薬の個別症例安全性報告の準備状況を評価および改善するために設計された7項目の標準であるMIAHPVフレームワークを提案するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
医学の世界を、誰かが薬を飲んで少し具合が悪くなるたびに、司書が巨大な台帳にそのことを書き留める、巨大で賑やかな図書館だと想像してみてください。これは**ファーマコビジランス（医薬品安全性監視）**と呼ばれるもので、薬が市場に出た後の副作用を監視する科学のことです。何十年もの間、これらの台帳には標準的な処方薬に関する報告が記録されており、科学者たちは巧妙なコンピュータプログラム（人工知能、AI）を使用して、人間が見逃してしまうような隠れたパターンを探してきました。それは、砂の野原の中で特定の失われたコインを見つけ出すために、超高速の金属探知機を使うようなものです。
しかし、ここにひねりがあります。何百万人もの人々が、処方薬と一緒にハーブティーや根、植物由来のサプリメントも摂取しています。これらの天然製品によって何か問題が起きたとき、それらも同じ台帳に書き込まれます。しかし、ハーブに関するメモはしばたいへん乱雑です。報告者は「カモミール」と書く代わりに、単に「ハーブティー」と書くかもしれません。「セントジョーンズワート」と書く代わりに、「あの黄色い花のようなやつ」と書くこともあるでしょう。この乱雑さは、超高速の金属探知機を、誰かが枝や石、古いソーダの缶といったランダムなガラクタを投げ込んだ野原で使おうとしているようなものであり、探している特定のコインを見つけることを不可能にします。大きな疑問は、私たちの賢いコンピュータは、このガラクタを無視して本物のハーブの危険を見つけ出すことができるのか、それともデータがあまりに乱雑すぎて救いようがないのか、ということです。
ソハム・サンジャイ・モア（Soham Sanjay More）という独立した研究者によって書かれたこの論文は、まさにその乱雑な野原へと踏み込んでいます。著者は単にデータを見ただけではありません。AIを用いてハーブの危険性を特定することに成功した研究があるかどうか、科学的研究の中を宝探しのように探索しました。その探索の結果は、空振りでした。AIはきれいなデータからパターンを見つけることには長けているにもかかわらず、著者は、ハーブ製剤の報告を主要な焦点としてこれらのハイテクな手法を具体的に適用することに成功した研究がゼロであることを発見しました。結局のところ、問題はコンピュータではなく、乱雑なメモにあるのです。
これを解決するために、この論文はMIAHPV（Minimum Information for AI-Assisted Herbal Pharmacovigilance：AI支援型ハーブ・ファーマコビジランスのための最小情報）と呼ばれる新しい一連のルールを導入しています。これは「品質チェックリスト」と考えてください。著者は、コンピュータが報告を分析しようとする前に、その報告が7つの特定のテストに合格しなければならないと提案しています。例えば、報告には（単に「ハーブ」ではなく）植物の正確な学名が明記されていなければなりません。また、その人が服用していた他のすべての薬をリストアップし、その植物がどのように調製されたか（お茶なのか粉末なのかなど）を正確に説明しなければなりません。もし報告がこれらのチェックに合格しなければ、この論文では、それは欠けたピースでパズルを解こうとするようなものであり、コンピュータはただ推測するだけで、その推測は間違ったものになるだろうと論じています。
この論文は、なぜこれが重要なのかを示すために実例も挙げています。ある女性がカモミールティーを飲んでいたために血液希釈剤（抗凝固薬）が効かなくなった有名な事例に触れていますが、彼女の報告には単に「ハーブティー」としか書かれておらず、危険を察知することを困難にしました。また、別の言語では名前が似ているために、毒性のある植物が安全なものと間違えられた恐ろしい取り違えについても述べています。これらの物語は、明確で詳細なメモがなければ、どんなに賢いAIであっても救いにはならないことを証明しています。
著者は、自分がまだ何を行っていないかについても非常に正直です。彼らは、この「品質チェックリスト」はあくまで提案であり、出発点であって、まだ実世界のデータでテストされた完成したツールではないことを認めています。彼らは、現在のハーブ報告の約10%から20%はAIが使用できるほど良好である可能性がある一方で、残りはあまりに乱雑すぎると示唆しています。この論文は問題を解決したと主張しているのではなく、代わりに、どのようにしてその混乱を修正するかという地図を提供しているのです。もし私たちが、このチェックリストにある7つのルールを用いて、より優れた報告を書くようにし始めれば、その時初めて、超スマートなコンピュータを使ってハーブ製剤をみんなのために安全に保つことができるようになるかもしれない、と彼らは示唆しています。それまでは、コンピュータはただ読めない落書きの山をじっと見つめているだけなのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。