Conférencier | Transcription |
| Olivia Lippincott | Quoi |
| wenjba | C'est avec plaisir que j'en parle, j'obtiens des informations de haute qualité provenant du système d'étiquetage des médicaments de la FDA et de la découverte JMP. |
| Et aujourd'hui, je vais parler de quatre portions. Dans un premier temps, je donnerai quelques informations générales sur la surveillance post-commercialisation des médicaments et sur les efforts déployés par l'agence de réglementation de la FDA et l'industrie. Et aussi, je vais utiliser un ensemble de données sur les étiquettes des médicaments |
| pour analyser le texte et utiliser l'explorateur de texte dans JMP et également utiliser le complément |
| Complément JMP |
| XGBoost pour analyser ces informations DILI puis donner la conclusion. Le didacticiel XGBoost du Dr Russ Wolfinger est également présent dans ce JMP Discovery Summit, veuillez donc consulter son didacticiel si XGBoost vous intéresse. |
| Donc le développement du médicament, selon la description de la FDA pour le traitement du médicament, |
| il peut être divisé en cinq étapes et les deux premières étapes, découverte et recherche préclinique, dont beaucoup dans le |
| dans le cadre de l'étude animale et de l'analyse chimique, puis trois étapes ultérieures impliquent l'humain. Et JMP propose trois produits, dont JMP Genomics, JMP Clinical, |
| JMP et JMP Pro, qui ont couvert chaque étape de la découverte du médicament. Et JMP Genomics est le système omics qui peut être utilisé pour la sélection de biomarqueurs omiques et cliniques et JMP Clinical est spécifique pour l'essai clinique. |
| et une surveillance post-commercialisation de la sécurité et de l'efficacité des médicaments. Et également, JMP Pro peut être utilisé pour le nettoyage des données sur les médicaments, l'exploration, l'identification de cibles, le développement de formulations, le DOE, le QbD, les essais biologiques, etc. Il peut donc être utilisé à chaque étape de |
| le développement de médicaments. |
| Ainsi, dans ce développement de médicaments, la cause unique la plus fréquente, appelée DILI, peut en fait être arrêtée pour l'essai clinique. |
| Le médicament peut être rejeté pour approbation par la FDA ou l’autre organisme de réglementation, ou être rappelé une fois le médicament mis sur le marché. Il s’agit donc de la cause unique la plus fréquente appelée DILI et l’on peut trouver les informations dans le guide de la FDA ainsi que dans d’autres publications scientifiques. Donc |
| qu'est-ce que DILI ? Il s'agit en fait d'une lésion hépatique d'origine médicamenteuse, |
| appelé DILI et vous avez la FDA, il y a presque plus de 10 ans, en 2009, ils ont publié un guide pour DILI, |
| Comment évaluer et suivre, la FDA propose plusieurs années de formation DILI pour l'investigateur clinique et ces informations peuvent encore être trouvées en ligne aujourd'hui. |
| Et ils ont des conférences, également organisées par la FDA, l'année dernière. Et bien sûr, pour le DILI, la façon dont vous définissez le sujet ou le patient pourrait avoir un cas DILI, ils ont la loi de Hy qui est incluse dans le |
| Directives de la FDA. |
| Voici donc un exemple d'évaluation DILI pour l'essai clinique, ici dans l'essai clinique, |
| dans la clinique JMP selon la loi de Hy. Ainsi, la loi de Hy est la condition de combinaison de plusieurs enzymes hépatiques lorsqu'elles s'élèvent à un certain niveau, |
| alors on pourrait penser que ce seraient les cas possibles de la loi de Hy. Vous avez donc potentiellement des dommages au foie. Nous utilisons donc ici la couleur pour identifier le |
| cas possibles selon la loi de Hy, le rouge est un oui, le bleu est un non. Et aussi les différents ronds et triangles provenaient de différents groupes de traitement. Nous utilisons également un graphique à bulles JMP pour montrer le |
| les enzymes augmentent au fil du temps... du timing... pendant la période de l'essai clinique. C'est donc typique. Cela fait 15 jours. Ensuite vous avez le |
| sujet, le démarrage était plutôt normal. Ensuite, ils deviennent un peu fous, un niveau élevé d'enzymes hépatiques indique qu'ils sont potentiellement |
| Cas possibles DILI. |
| Ainsi, la FDA dispose de deux bases de données majeures, qui peuvent réellement gérer le post-commercialisation |
| surveillance de la sécurité des médicaments. L’un est l’étiquette d’un médicament et nous obtiendrons les données de cette base de données. Un autre système est le système de notification des événements indésirables de la FDA. |
| puis ils ont du NIH et du NCBI, ils ont très activement |
| J'ai construit ce LiverTox et j'ai beaucoup d'informations, traitez avec le DILI. Et la FDA a une autre base de données appelée Liver Toxic |
| Base de connaissances et il y avait une présentation du Dr Tong, qui est notre co-responsable dans cette présentation. Ils ont beaucoup de connaissances sur le DILI et ont construit cette base de données spécifique pour l'information du public. |
| Donc l’étiquette du médicament. Tout le monde a probablement vu cela lorsque vous recevez des médicaments sur ordonnance. Vous avez reçu ce papier verbeux qui accompagne votre médicament. |
| Donc, ils sont également livrés avec des mots en toute petite police, même s'ils sont parfois trop petits pour être lus, mais ils contiennent de nombreuses informations scientifiques utiles sur ce médicament. |
| Ensuite, deux potions seront liées à ma présentation d'aujourd'hui, ce sont les sections appelées avertissements et précautions. Donc, fondamentalement, toutes les informations sur l'effet indésirable du médicament et tout autre élément doivent être |
| soyez prévenu dans ces deux sections. Et ce médicament a réellement |
| plus de 2 000 mots décrivent les avertissements et les précautions. Et heureusement, tous les médicaments n’entraînent pas autant d’effets secondaires ou d’événements indésirables. Certains médicaments comme celui-ci, |
| l'un des metformine comporte en fait une petite section pour les avertissements et les précautions. Ainsi, l’ancienne version de l’étiquette du médicament contient des avertissements et des précautions dans des sections distinctes, tandis que la nouvelle version les rassemble. Donc celui-ci est dans la nouvelle version qu'ils ont mise... ils ont ces deux-là |
| sections ensemble. Mais celui-ci a beaucoup moins d’effets secondaires. JMP et JMP Clinical ont donc fait appel à la FDA pour effectuer l'analyse de sécurité et nous aidons en fait à finaliser chaque événement indésirable répertorié sur les étiquettes des médicaments. |
| Ce sont donc des données qui doivent être présentées aujourd’hui. Nous utilisons donc la section d'avertissement et de précaution dans les 462 étiquettes de médicaments extraites par les chercheurs de la FDA et que je viens de recevoir d'eux. |
| Et l'indicateur DILI a été attribué à chaque médicament. 1 est oui et le zéro est non. Donc à partir de cette distribution, vous pouvez voir qu'il y a |
| environ un...164 médicaments ont |
| cas potentiels DILI et 298 non, et le format original des données de l'étiquette du médicament est au format XML et peut être importé par JMP et multiplié en une seule fois. |
| Donc, pour les mots-clés DILI, la FDA a déployé des efforts de plusieurs années pour établir cette liste de mots-clés. Ensuite, ils ont consulté l'expert, lisant des centaines d'étiquettes de médicaments et ont ensuite décidé de ce qui pourrait potentiellement devenir les cas DILI. Alors ils proposent ceux-là |
| environ 44 mots ou termes à indiquer comme mot clé, à indiquer pour le médicament |
| Cela pourrait être les cas DILI. Et vous avez peut-être également entendu parler de MedDRA, un dictionnaire médical destiné aux activités de réglementation. Ils ont différents niveaux de termes standardisés et le plus populaire est le terme préféré. Je vais l'utiliser aujourd'hui. |
| Donc dans le |
| avertissement et précaution, vous pouvez voir si nous rassemblons tout, vous avez plus de 12 000 termes dans le |
| les avertissements et la section précautions. Et vous pouvez voir que « patients » et « peut » sont une dominante qui |
| fait ne devrait pas être lié aux cas médicaux et aux informations médicales dans ce cas. Nous pouvons donc supprimer cela, vous pouvez voir qu'aucun autre mot n'est aussi dominant dans ce mot. |
| cloud, mais il contient encore de nombreux mots sans rapport avec la médecine comme « utiliser » et comme « signalé » que nous pourrions mettre dans... |
| pourrait les supprimer de notre liste d’analyse. Ainsi, dans l'Explorateur de texte, nous pouvons les mettre dans le mot vide et nous utilisions également normalement le |
| différentes technologies de Text Explorer consistent à extraire, tokeniser, regex, recoder et supprimer manuellement. |
| pour nettoyer la liste. Mais il comportait 12 000 termes, ce qui pouvait donc prendre beaucoup de temps. |
| Mais puisque nous avons la liste qui nous intéresse, nous voulons profiter du fait que nous savions déjà ce qui nous intéresse dans les termes de ce système. |
| Alors ce que nous allons faire et je vais vous montrer dans la démo que nous n'utiliserons que les mots-clés DILI, plus le terme préféré de MedDRA pour générer les termes intéressants et les phrases pour faire la prédiction. |
| Voici donc l’exemple que nous avons vu en utilisant uniquement les mots-clés DILI. Ensuite, vous voyez tout ici, vous pouvez même voir dans la liste. Vous avez un numéro de compte |
| montré à côté de chacun des termes, combien de fois ils sont répétés dans le |
| section d'avertissements et de précautions et vous pouvez également voir plus coloré, plus |
| graphique dans le cloud mondial pour faire reconnaître un motif. Et puis nous ajoutons les termes médicaux, c’était les termes médicaux. Le nombre de termes est donc toujours passé de 12 000 à 1 190 termes, y compris les mots-clés DILI et les termes médicaux préférés. Nous pensons donc que ce serait le bien |
| liste de termes pour commencer à faire notre analyse. |
| Donc ce que nous faisons est dans le |
| JMP Text Explorer, nous pouvons enregistrer le terme...matrice de termes du document. Cela signifie que si vous voyez 1, cela signifie que ce document a vu ce terme, s'il est indiqué, si c'est 0, cela signifie que ce document |
| Je n'ai pas vu, j'ai un cas de ce mot. |
| Alors nous, dans le |
| XGBoost fera k plis, et trois k plis, utilisez chacun avec cinq colonnes. |
| Nous utilisons donc dans cet apprentissage automatique et utilisons le modèle d'arborescence XGBoost qui est ajouté pour JMP Pro et nous... en utilisant l'indicateur DILI |
| comme variable cible et ils utilisent les mots-clés DILI ainsi que les termes préférés de MedDRA qui sont apparus plus de 20 fois |
| à... comme prédicteur. Ensuite, nous utilisons une validation croisée XGBoost puis une interaction de 300 fois. Maintenant, nous avons des mesures de performances statistiques, nous obtenons l'importance des termes pour DILI, |
| et nous obtenons que nous pouvons utiliser le profileur de prédiction pour les interactions et nous pouvons également générer et enregistrer la formule de prédiction pour la prédiction de nouveaux médicaments. |
| Je vais donc à la démo. |
| Voici donc un exemple de tableau que nous avons obtenu dans le |
| dans JMP. |
| Vous avez donc trois colonnes. Fondamentalement, vous avez l'index, qui est un identifiant de médicament. Ensuite, vous avez l'avertissement et la précaution, il aurait pu contenir beaucoup plus |
| mots qu'il est apparu, donc en gros, ayez toutes les informations pour chaque médicament. Vous disposez désormais d'un indicateur DILI. Alors on fait le |
| Explorateur de texte en premier. Nous avons une analyse, vous allez dans l'explorateur de texte, vous pouvez l'utiliser |
| input, qui est un texte d'avertissement et de précaution et vous le feriez... normalement, vous pouvez faire différentes choses ici, vous pouvez minimiser les caractères, normalement les gens vont à 2 ou font d'autres choses. Ou vous pouvez utiliser le radical ou vous pouvez utiliser l'expression régulière et |
| faire toutes sortes de |
| formule et dans notre limitation peut être limité. Par exemple, vous pouvez utiliser une personnalisation |
| regex pour supprimer tous les numéros. Ce n'est qu'un nombre, vous pouvez les supprimer, mais puisque nous allons utiliser une liste, nous n'y toucherons aucun, nous pouvons simplement aller ici et simplement dire, d'accord, |
| Donc, toute la liste de tout cela est apparue. Alors maintenant je vais dire, je ne me soucie que de |
| oh, pour celui-ci, tu peux le faire... tu peux montrer le |
| mot nuage. |
| Et |
| nous voulons dire que je veux le centrer |
| et aussi je veux la couleur. |
| Donc vous voyez celui-ci, vous voyez que le patient est tellement dominant, alors vous pouvez dire, ok, définitivement... pas le... |
| ne devrait pas être dans le |
| en analyse. Je sélectionne donc simplement et clique droit sur ajouter un mot vide. |
| Ainsi, vous verrez ceux qui seront supprimés et ne seront plus affichés dans votre liste et ne s'afficheront plus dans le |
| mot nuage. |
| Alors maintenant, je veux te montrer quelque chose que je |
| Je pense que cela accélérerait le nettoyage, car il y a tellement d'autres mots qui pourraient être dans le système et dont je n'ai pas besoin. Donc je sélectionne en fait |
| et mettez tout dans le mot vide. |
| J'ai donc tout supprimé, sauf que je ne sais pas pourquoi "l'action" ne peut pas être supprimée. |
| Et mais ce n'est pas grave s'il n'y en a qu'un. Alors ce que je fais, c'est que je vais ici. J'ai dit gérer la phrase, je veux importer mes mots-clés. Le mot clé a juste un... |
| très simple. Le titre, |
| les données d'une colonne contiennent juste toute la liste de noms. Donc j'importe ça, je colle ça en local. Ce sera ma bibliothèque locale. Et j'ai dit, d'accord. |
| Alors maintenant, je n'ai que le mot-clé que j'ai. |
| OK, alors maintenant celui-ci sera... Je veux faire l'analyse plus tard. Et je souhaite les utiliser tous pour les inclure dans mon analyse car ce sont les mots-clés. Alors je vais ici, le triangle rouge, tout dans l'Explorateur de Texte, les fonctions cachées, cachées dans ce |
| triangle rouge. Alors je dis sauvegarder la matrice. Donc je veux en avoir un et je veux 44 jusqu'à |
| dans mon analyse. Je dis d'accord. Donc vous verrez, tout sera sauvegardé dans mon... |
| à la colonne, la matrice. |
| Alors maintenant, je veux ce que je veux ajouter, je veux avoir la phrase, une fois de plus. Je veux aussi importer |
| ces termes privilégiés. |
| dans le |
| ma base de données, mes données locales. |
| Et puis aussi, je veux |
| en fait, je veux localement |
| à |
| alors je dis, d'accord. |
| Alors maintenant, j'ai le mix, les deux |
| les termes préférés du MedDRA ainsi que mes mots-clés. Vous pouvez donc voir maintenant le |
| les phrases ont changé. |
| Pour que je puisse les ajouter à ma liste. La même chose avec ma liste de matrices de termes sécurisés et obtenez les, les, tous les nombres... tous les termes que je souhaite inclure. Et la seule chose que je veux souligner ici concerne ces termes et ils sont... nous devons changer le |
| un format de modèle. Ce type de modèle continue. Je veux les changer en nominaux. Je vous dirai pourquoi je fais ça plus tard. |
| Alors maintenant que je l'ai, je peux aller au |
| XGBoost, qui est dans le complément. Nous pouvons faire... plier les colonnes pour m'assurer que je peux faire le |
| validation croisée. Je peux utiliser simplement l'index et par défaut, le nombre de colonnes de pliage k à créer est de trois et le nombre de plis (k) dans chaque colonne est de cinq, nous optons simplement pour la valeur par défaut. |
| Dites, d'accord, cela générera trois colonnes très rapidement. Et à la fin, vous voyez les plis A, B, C, trois d'entre eux. |
| Donc nous avons ça, alors nous avons... |
| Une autre chose que je voulais faire est dans le... |
| Afin que nous puissions |
| Nous pouvons en créer un autre |
| phrase |
| qui a tout... qui a tout dans... cette phrase a tout, y compris les mots-clés et PT, mais je veux en créer une qui n'ait que le |
| a seulement |
| n'avoir que le |
| le terme préféré, mais je n'ai pas le mot-clé, je peux donc ajouter ces mots-clés dans l'exception locale et dire : D'accord. Ainsi, ces mots n'auront que des termes préférés, mais n'auront pas le |
| mots clés. Ainsi, je peux créer une autre liste, enregistrer une autre liste des |
| Documentation |
| des mots que celui-ci que je veux avoir. Donc |
| en ont 1000, mais ce terme n’en a que 20. Donc ce qu'ils feront, c'est qu'ils ont été enregistrés, soit les conditions sont respectées... |
| avoir au moins |
| apparaissent plus de 20 fois ou atteignent 1000, lequel d'entre eux apparaîtra dans ma liste. |
| Alors maintenant, j'ai un tableau complet, qui contient les mots-clés et également les termes MedDRA qui en ont plus de 20, s'affichent plus de 20 fois, ont maintenant aussi ??? colonne prête pour l'analyse pour le |
| XGBoost. |
| Alors maintenant, ce que je peux faire, c'est accéder au XGBoost. je peux y aller |
| l'analyse maintenant. Donc, ce que je vais vous montrer, c'est que je peux utiliser cet indicateur DILI, puis la réponse X correspond à tous mes termes que je viens d'avoir pour le mot-clé et le |
| mots préférés. Maintenant, j'utilise les trois validations |
| puis cliquez sur OK pour exécuter. L'exécution prendra environ cinq minutes. J'ai donc déjà un résultat que je veux vous montrer. |
| Alors tu as... |
| Voilà à quoi ressemble. |
| La conception du réglage. Et nous allons vérifier cela. Tu as |
| le réel trouvera une bonne condition pour que vous puissiez le faire. Vous pouvez également, si vous en avez |
| Malgré l'expérience de Ross Wolfinger, il ira ici, modifiera manuellement certaines conditions, vous obtiendrez alors probablement le meilleur résultat. |
| Mais pour les nombreuses personnes comme moi qui n'ont pas beaucoup d'expérience dans XGBoost, je préfère utiliser cette conception de réglage plutôt que d'avoir simplement une machine pour |
| sélectionnez d'abord pour moi, puis je peux entrer, nous pouvons ajuster un peu, cela dépend de ce que je dois faire ici. C’est donc un résultat que nous avons obtenu. Vous pouvez utiliser le... vous pouvez voir ici |
| différent |
| les mesures statistiques pour les mesures de performances de ces modèles et la valeur par défaut sont affichées uniquement avec précision et vous pouvez les trier par pour cliquer sur la colonne. Vous pouvez les trier et il contient également beaucoup plus d'autres mesures de performances populaires telles que |
| MCC, CUA, |
| RMSE, corrélation. Ils apparaissent tous si vous cliquez dessus. |
| Ils apparaîtront ici. Ainsi, tout ce dont vous avez besoin, quelle que soit la mesure que vous souhaitez effectuer, vous pouvez toujours le trouver ici. |
| Alors maintenant, je vais utiliser, disons que je fais confiance à l'exactitude de la validation, plus que toute autre chose pour ce cas. Donc ce que je veux, c'est voir juste des modèles haut de gamme, disons cinq modèles. |
| Alors voilà, je choisis cinq modèles. Ensuite, je vais ici et dis que je veux supprimer tous les modèles d'exposition. |
| Donc vous verrez les cinq modèles ici et ensuite vous pourrez voir certains modèles, même si le, comme ce 19 est vert, |
| cela ne termine pas à mi-chemin. Donc quelque chose ne va pas, quelque chose n'est pas approprié pour ce modèle. Je ne veux certainement pas utiliser celui-là, donc je peux en choisir d’autres. Dis que je veux choisir ça |
| 19, je veux supprimer celui-là. Je peux donc dire que je veux supprimer celui caché. Donc, en gros, tout ce que vous devez faire. Donc si vous comparez, voyez ceci |
| les mesures, elles ne sont en réalité pas très différentes, pas très différentes. Je veux donc m'appuyer sur ce graphique pour m'aider à choisir le meilleur pour réaliser la performance. |
| Alors vous choisissez le bon. Vous pouvez aller ici pour |
| dis, j'aime le modèle 12 donc je peux aller ici, dis que je veux faire le |
| profileur. |
| Il s’agit donc d’un outil très puissant, je pense assez unique à JMP. Pas beaucoup |
| les outils ont cette fonction. Cela vous donne donc l'occasion d'examiner individuellement |
| paramètres de manière active et voyez comment ils modifient le résultat. Par exemple, ces deux éléments apparaissaient le plus fréquemment dans les affaires DILI. |
| Et vous pouvez voir que la pente est assez raide et cela signifie que si vous les modifiez, cela affectera un peu les prédictions du résultat final. Ainsi, vous pouvez voir quand le |
| l'hépatite et la jaunisse indiquent toutes deux zéro, vous avez en fait très peu de chances d'obtenir le DILI en un seul. Il en va de même pour les cas DILI possibles. Mais si vous changez cette ligne, |
| au 1, vous pouvez voir que la chance que vous obtenez est plus élevée. Et si tu les déplaces |
| encore plus haut. Donc tu as, tu auras un moyen de |
| analyser, s'ils sont les |
| quelle est la clé |
| paramètres ou prédicteurs pour affecter votre résultat. Et pour cela, certains d'entre eux, même leur mot-clé, sont assez plats. Cela signifie donc que si vous changez cela, cela n’affectera pas beaucoup le résultat. Donc |
| Voilà donc et nous aussi ici, nous avons donné la liste à laquelle vous pouvez accéder |
| pour voir ce qui est le plus important |
| fonctionnalités à la prédiction des variables calculées. Vous pouvez donc voir ici la jaunisse et d’autres sont très importants. |
| Et pour le résultat de la fonctionnalité, une fois que vous avez entré les données, ce sont tous les résultats que nous avons. Et vous pouvez dire, eh bien, et... qu'en est-il des nouveautés à venir ? Oui, nous avons ici, vous pouvez dire, je veux enregistrer la formule de prédiction. |
| Et vous pouvez voir qu’il y travaille activement. Et puis dans le tableau, à la fin du tableau, vous verrez la prédiction. Alors rappelez-vous que nous en avions un... c'était, disons, eh bien, |
| le premier médicament, le deuxième était à peu près prévu que ce serait le |
| Les cas DILI et les deux suivants, le troisième, le quatrième et le cinquième étaient proches de zéro. Alors on revient à ce DILI |
| indicateur et nous avons découvert qu’ils énumèrent réellement. Les cinq premiers étaient le bon. Donc, si vous n'avez pas cet indicateur lorsque vous recevez les nouvelles données, vous n'êtes pas obligé de lire toute l'étiquette. Vous exécutez le modèle. Vous pouvez voir la prédiction. Tu savais à peu près si c'était le cas |
| ce sont des cas DILI ou pas. |
| Donc mon démo serait |
| terminer ici, et maintenant je vais donner une conclusion. Nous utilisons donc l'explorateur de texte pour extraire les mots-clés de données et les termes MedDRA en utilisant la gestion des mots vides et des phrases sans |
| sélection, suppression et recodage manuels. Nous utilisons donc une visualisation et nous avons créé une matrice de termes de document à des fins de prédiction. |
| Et nous utilisons également l'apprentissage automatique pour utiliser la modélisation XGBoost et nous souhaitons exécuter rapidement XGBoost pour trouver le meilleur modèle et effectuer un profil de prédiction. Et nous pouvons aussi sauver le |
| prédire la formule pour prédire les nouveaux cas. |
| Merci. Et je m'arrête ici. |
