KULLANICI YORUMLARIYLA İLAÇ YAN ETKİSİ TESPİTİ: TRANSFORMATÖR TABANLI DUYGU ANALİZİ ÇIKARIMI
Open Access
- 18 December 2025
- journal article
- Published by Istanbul Ticaret Universitesi in İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi
- Vol. 24 (48) , 414-437
Abstract
Sağlık alanında, özellikle ilaç incelemeleriyle ilgili olarak kullanıcı tarafından oluşturulan içeriğin artan hacmi, olumsuz ilaç reaksiyonlarını (ADR'ler) ve kullanıcı duygularını analiz etmek için önemli fırsatlar sunmaktadır. Bu çalışmada, duygu analizi yapmak için ilaç yan etkileriyle ilgili kullanıcı yorumlarını içeren birleştirilmiş CADEC+ADE veri kümesini kullanıyoruz. Bu çalışma, bir hasta perspektifinden ilaçların etkisini daha iyi anlamak amacıyla kullanıcı geri bildirimlerinin olumlu ve olumsuz duygularının ‘yan etkisi var’ ya da ‘yan etkisi yok’ şeklinde ikili bir sınıflandırmasını içerir. Bunun için beş farklı yöntemin performansını değerlendiriyoruz ve karşılaştırıyoruz: BiLSTM BioBERT, MBERT, SVM ve XLM-R. SVM dışındaki diğer modeller biyomedikal metinler üzerinde önceden eğitilmiş transformatör tabanlı model oldukları ve biyomedikal terminolojiye ilişkin üstün anlayışları için kullanılırken, SVM karşılaştırma için klasik makine öğrenimi temellerini sağlar. Modeller, yan etkilerine ve algılanan etkinliğe odaklanarak, ilaçlarla ilgili kullanıcı tarafından bildirilen deneyimleri içeren birleştirilmiş CADEC+ADE veri kümesinde eğitildi ve değerlendirildi. Sonuçlar BioBERT modelinin %99,2 doğruluk değeriyle bu alan için duygu analizinde diğer tekil yöntemlerden daha etkili olduğunu ortaya koyuyor. Buna ek olarak BERT modelleri ile oluşturulan topluluk öğrenmesi modelinde ise %99,6 oranında doğruluk değeri elde edilmiş olup, bu yöntem ile en yüksek doğruluk oranına ulaşılmıştır.Keywords
This publication has 28 references indexed in Scilit:
- Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasetsJournal of Biomedical Informatics, 2024
- Mining Adverse Drug Reactions from Unstructured Mediums at Scale2022
- Auto capture on drug text detection in social media through NLP from the heterogeneous dataMeasurement: Sensors, 2022
- Optimization and improvement of fake news detection using deep learning approaches for societal benefitInternational Journal of Information Management Data Insights, 2021
- Detection and Classification of Distributed DoS Attacks Using Machine Learning2021
- Using deep learning methods for discovering associations between drugs and side effects based on topic modeling in social networkSocial Network Analysis and Mining, 2020
- Sentimental Short Sentences Classification by Using CNN Deep Learning Model with Fine Tuned Word2VecProcedia Computer Science, 2020
- A survey on ensemble learningFrontiers of Computer Science, 2019
- Cadec: A corpus of adverse drug event annotationsJournal of Biomedical Informatics, 2015
- Development of a benchmark corpus to support the automatic extraction of drug-related adverse effects from medical case reportsJournal of Biomedical Informatics, 2012