社交媒體數(shù)據(jù)在藥品上市后安全性監(jiān)測(cè)的應(yīng)用

楊 羽，王勝鋒，詹思延△

(1.北京大學(xué)健康醫(yī)療大數(shù)據(jù)國(guó)家研究院，2.北京大學(xué)公共衛(wèi)生學(xué)院流行病學(xué)與衛(wèi)生統(tǒng)計(jì)學(xué)系，北京 100191)

藥品上市后安全性監(jiān)測(cè)體現(xiàn)為對(duì)藥品在上市后的安全性風(fēng)險(xiǎn)的及時(shí)發(fā)現(xiàn)，是藥物警戒的關(guān)鍵核心[1]。自發(fā)報(bào)告作為藥物警戒的重要工具之一，是目前最重要的盡早發(fā)現(xiàn)藥品不良反應(yīng)(adverse drug reactions，ADR)的方法[2]。自發(fā)報(bào)告的來(lái)源包括醫(yī)務(wù)人員和藥品使用者。藥品使用者自發(fā)報(bào)告，是指藥品使用者在不經(jīng)過醫(yī)務(wù)人員的解釋和說(shuō)明下，主動(dòng)就其自身經(jīng)歷的某一可疑的藥品不良反應(yīng)向藥物警戒部門等做出的報(bào)告。藥品使用者自發(fā)報(bào)告可增加藥品不良反應(yīng)報(bào)告的數(shù)量，與醫(yī)務(wù)人員自發(fā)報(bào)告互為補(bǔ)充，可以提供藥品不良反應(yīng)的直接信息甚至影響藥品不良反應(yīng)“耐受性”的界定[3-4]，但會(huì)受到對(duì)自發(fā)報(bào)告和報(bào)告系統(tǒng)了解不足和不完善的報(bào)告體驗(yàn)的影響。社交媒體平臺(tái)上由個(gè)人發(fā)布的藥品及其不良反應(yīng)相關(guān)內(nèi)容近些年正逐漸被視為類似于藥品使用者自發(fā)報(bào)告的新的數(shù)據(jù)來(lái)源，使用社交媒體數(shù)據(jù)開展藥品上市后安全性監(jiān)測(cè)的研究呈逐年上升趨勢(shì)，因而本文就相關(guān)研究現(xiàn)狀與面臨的挑戰(zhàn)進(jìn)行綜述。

1 社交媒體數(shù)據(jù)在藥品上市后安全性監(jiān)測(cè)的研究現(xiàn)狀

1.1 社交媒體數(shù)據(jù)是一種新型的數(shù)據(jù)資源

社交媒體作為一類在線互動(dòng)平臺(tái)(如網(wǎng)絡(luò)論壇、Twitter和Facebook)為人們提供了便捷分享和交換意見的方式，與傳統(tǒng)的新聞媒體(如報(bào)紙、電臺(tái)、雜志等)和門戶平臺(tái)(如新浪網(wǎng)、人民網(wǎng)、百度、谷歌等)專注“公共傳播”不同，社交媒體的核心屬性是“社交”[5]。社交媒體是通過人際交流和互動(dòng)形成社交網(wǎng)絡(luò)的新型互聯(lián)網(wǎng)新媒體，社交媒體用戶基于文本、聲音、圖像或視頻等類型的信息，在虛擬社區(qū)和網(wǎng)絡(luò)中創(chuàng)建、共享或交換他們的經(jīng)驗(yàn)和想法[6]。WEB2.0出現(xiàn)以來(lái)，社交媒體的使用人群不斷擴(kuò)大。We Are Social和Hootsuite在2020年7月共同發(fā)布的Digital 2020報(bào)告數(shù)據(jù)顯示[7]，全球活躍的社交媒體用戶已經(jīng)超過39億，約占全球總?cè)丝诘囊话胍陨?，其中中?guó)社交媒體用戶超過10.4億，占全球社交媒體用戶的近三分之一，僅2019年，中國(guó)就增加了1 500萬(wàn)社交媒體用戶。類似Twitter的網(wǎng)站新浪微博(Sina Weibo)、短視頻應(yīng)用——快手(Kuaishou)及抖音(Douyin)是中國(guó)最受歡迎的社交網(wǎng)絡(luò)服務(wù)之一。社交媒體已經(jīng)深入人們的日常生活并在影響人們的生活行為和習(xí)慣，Digital 2020報(bào)告數(shù)據(jù)顯示社交媒體用戶現(xiàn)在平均每天在社交媒體上花費(fèi)的時(shí)間超過2 h[7]。數(shù)以億計(jì)的人從每天早晨起來(lái)就開始在社交網(wǎng)絡(luò)上發(fā)布自己的各種經(jīng)歷和想法，討論與健康相關(guān)的問題和經(jīng)驗(yàn)，其中就包括患者對(duì)藥品的使用及其產(chǎn)生的(有益的或有害的)效果[8]，這些充滿“噪音”的社交媒體數(shù)據(jù)被看作“埋藏著鉆石的巨大煤堆”。

1.2 社交媒體數(shù)據(jù)用于藥品上市后安全性監(jiān)測(cè)的獨(dú)特優(yōu)勢(shì)

社交媒體數(shù)據(jù)為研究人員和監(jiān)管機(jī)構(gòu)提供了從藥品使用者的角度而非醫(yī)療專業(yè)人員的角度監(jiān)測(cè)藥品安全的新機(jī)會(huì)，并且在理論上提供了比傳統(tǒng)方式更早地發(fā)現(xiàn)藥品安全問題的可能性[9]，作為藥品上市后安全性監(jiān)測(cè)的一項(xiàng)新的數(shù)據(jù)來(lái)源用于信號(hào)檢測(cè)和信號(hào)驗(yàn)證均具有自身獨(dú)特的優(yōu)勢(shì)[10-11]。孕期/哺乳期女性、兒童、老年人、罕見病患者等人群通常不會(huì)被納入臨床安全性研究，有關(guān)這些人群發(fā)生藥品不良事件(adverse drug event，ADE)/ADR的信息在社交媒體數(shù)據(jù)中很可能被發(fā)現(xiàn)。替代藥物或者膳食補(bǔ)充劑的使用，以及與藥物的聯(lián)合使用，也存在產(chǎn)生不良反應(yīng)的可能，但傳統(tǒng)的監(jiān)測(cè)系統(tǒng)中很難獲取這方面的數(shù)據(jù)，有望通過社交媒體數(shù)據(jù)的分析進(jìn)行補(bǔ)充[12]。使用社交媒體數(shù)據(jù)還可以比現(xiàn)有監(jiān)測(cè)方式更早地發(fā)現(xiàn)ADR信號(hào)[13]。社交媒體數(shù)據(jù)中產(chǎn)生ADR信息的主體不是醫(yī)療機(jī)構(gòu)、醫(yī)生或企業(yè)而是患者，因其對(duì)于不同種類ADE/ADR的重視程度不同，社交媒體中報(bào)告的ADR信息與自發(fā)報(bào)告系統(tǒng)和電子病歷中采集到的信息分布會(huì)有所區(qū)別，基于社交媒體數(shù)據(jù)的分析還可以部分彌補(bǔ)現(xiàn)有安全性監(jiān)測(cè)中漏報(bào)的問題，甚至可能發(fā)現(xiàn)新的非預(yù)期ADR信號(hào)[14-16]。

1.3 社交媒體數(shù)據(jù)用于藥品上市后安全性監(jiān)測(cè)的研究進(jìn)展

使用社交媒體數(shù)據(jù)開展藥品上市后安全性監(jiān)測(cè)研究已有近十年的時(shí)間，2010年，Leaman等[17]首次使用文本挖掘等技術(shù)，基于醫(yī)學(xué)互助論壇中的6 890條網(wǎng)絡(luò)貼文，自動(dòng)從中抽取藥品與不良反應(yīng)之間的關(guān)系，以期實(shí)現(xiàn)藥品安全性信號(hào)的早發(fā)現(xiàn)。目前，基于社交媒體數(shù)據(jù)進(jìn)行藥品上市后安全性監(jiān)測(cè)已經(jīng)逐漸成為藥品上市后監(jiān)督領(lǐng)域內(nèi)的重要研究方向之一。

社交媒體數(shù)據(jù)的類型非常豐富，包括文本數(shù)據(jù)、圖像數(shù)據(jù)、影像數(shù)據(jù)以及音頻數(shù)據(jù)等，但目前被用于藥品上市后安全性監(jiān)測(cè)研究的仍然以文本數(shù)據(jù)為主，語(yǔ)言種類主要為英語(yǔ)。這類文本類型的社交媒體數(shù)據(jù)主要來(lái)源于網(wǎng)絡(luò)社區(qū)(如MedHelp、PatientLikeMe等)和個(gè)人博客平臺(tái)(如Twitter、Facebook、Instagram等)。目前，發(fā)表的相關(guān)研究主要來(lái)自于美國(guó)和歐洲，中國(guó)的相關(guān)研究較少見。已發(fā)表的大多數(shù)研究以ADE的檢測(cè)和驗(yàn)證為主要研究?jī)?nèi)容，使用不同的自然語(yǔ)言處理(natural language processing，NLP)技術(shù)，從社交媒體文本數(shù)據(jù)中識(shí)別ADE；另有研究將社交媒體數(shù)據(jù)與自發(fā)報(bào)告數(shù)據(jù)為主的傳統(tǒng)監(jiān)測(cè)數(shù)據(jù)進(jìn)行了比較，以研究捕獲的ADE數(shù)量、類別和時(shí)間的差異等[18]；還有研究者針對(duì)是否可以用社交媒體數(shù)據(jù)比現(xiàn)有傳統(tǒng)方法更早地發(fā)現(xiàn)ADR信號(hào)進(jìn)行了研究，如Powell等[19]利用2014年10月—2021年10月Facebook和Twitter的公開英文文本數(shù)據(jù)，基于《監(jiān)管活動(dòng)醫(yī)學(xué)詞典(medical dictionary for regulatory activities，MedDRA)》對(duì)藥品名稱和癥狀表述進(jìn)行標(biāo)準(zhǔn)化處理，刪除重復(fù)和噪音數(shù)據(jù)，并對(duì)個(gè)體可識(shí)別信息進(jìn)行隱匿化處理后，分別建立分析數(shù)據(jù)集，計(jì)算藥物-事件對(duì)比例報(bào)告比(proportional reporting ratio，PRR)，結(jié)果在Twitter數(shù)據(jù)集共發(fā)現(xiàn)6 441 679個(gè)藥物相關(guān)事件(對(duì)應(yīng)702個(gè)的MedDRA的優(yōu)選術(shù)語(yǔ))，在Facebook數(shù)據(jù)集共發(fā)現(xiàn)15 650 108個(gè)藥物相關(guān)事件(對(duì)應(yīng)946個(gè)的MedDRA的優(yōu)選術(shù)語(yǔ))，研究者選擇沙丁胺醇作為目標(biāo)藥物進(jìn)行比例報(bào)告比計(jì)算，可以發(fā)現(xiàn)一系列不良事件，包括震顫、慢性阻塞性肺病、喘息、支氣管炎和蒼白等，這些不良事件均為沙丁胺醇已知的ADR，該研究結(jié)果表明，社交媒體數(shù)據(jù)可以作為加強(qiáng)藥品上市后安全性監(jiān)測(cè)的重要工具[19]。

目前，已經(jīng)有監(jiān)管機(jī)構(gòu)或企業(yè)逐步建立基于社交媒體數(shù)據(jù)的藥品上市后監(jiān)測(cè)系統(tǒng)，如MedWatcher Social[20]、AETracker、Treato[21]和Web-Recognizing Adverse Drug Reactions (Web-RADR)[6]。以美國(guó)食品藥品監(jiān)督管理局(Food and Drug Administration,FDA)的MedWatch Social為例，作為MedWatcher系統(tǒng)的一部分，其主要使用社交媒體(Twitter、Facebook、與健康相關(guān)的網(wǎng)絡(luò)博客)上的公開數(shù)據(jù)，從中提取醫(yī)療健康相關(guān)信息，并映射到藥品和不良事件的標(biāo)準(zhǔn)術(shù)語(yǔ)集中，從而監(jiān)測(cè)是否出現(xiàn)ADR信號(hào)。

社交媒體數(shù)據(jù)作為一種新的數(shù)據(jù)源，數(shù)據(jù)量大、更新速度快、覆蓋范圍廣，對(duì)于提升藥品上市后安全性監(jiān)測(cè)效果有明顯的優(yōu)勢(shì)，但社交媒體數(shù)據(jù)開展安全性監(jiān)測(cè)的實(shí)際應(yīng)用并未能廣泛實(shí)現(xiàn)，目前學(xué)術(shù)界對(duì)于社交媒體數(shù)據(jù)是否可以作為可靠的數(shù)據(jù)源被用于日常藥品上市后安全性監(jiān)測(cè)仍存在爭(zhēng)議。雖然Kurzinger等[16]發(fā)現(xiàn)使用社交媒體數(shù)據(jù)，可以比傳統(tǒng)自發(fā)報(bào)告數(shù)據(jù)更早、更快地檢測(cè)到與患者主觀癥狀(壓力、饑餓等)相關(guān)的ADR信號(hào)，Pierce等[10]和Karapetiantz等[15]也證實(shí)了同樣的觀點(diǎn)，Duval等[22]嘗試建立了基于Twitter數(shù)據(jù)的藥品不良反應(yīng)自動(dòng)化監(jiān)測(cè)系統(tǒng)，除檢測(cè)出已有的標(biāo)準(zhǔn)信號(hào)外，還發(fā)現(xiàn)了新的ADR信號(hào)，但是同時(shí)也有學(xué)者認(rèn)為[23-25]，社交媒體數(shù)據(jù)無(wú)法作為獨(dú)立的新型數(shù)據(jù)源來(lái)完成對(duì)于藥品安全性的監(jiān)測(cè)，僅可以作為現(xiàn)有數(shù)據(jù)的補(bǔ)充數(shù)據(jù)，彌補(bǔ)現(xiàn)有數(shù)據(jù)無(wú)法覆蓋或發(fā)現(xiàn)的信號(hào)。2018年，Convertino等[23]的系統(tǒng)綜述發(fā)現(xiàn)，利用社交媒體數(shù)據(jù)實(shí)現(xiàn)比現(xiàn)有不良反應(yīng)監(jiān)測(cè)方式更早的發(fā)現(xiàn)藥品安全性信號(hào)的證據(jù)仍然非常有限，且由于社交媒體數(shù)據(jù)的碎片化和低質(zhì)量，無(wú)法滿足藥品安全性監(jiān)測(cè)中實(shí)行因果關(guān)系判定的數(shù)據(jù)需求。Lardon等[24]基于Twitter數(shù)據(jù)的研究結(jié)果也認(rèn)為社交媒體數(shù)據(jù)僅可作為藥品安全性監(jiān)測(cè)信息的補(bǔ)充來(lái)源，并且社交媒體數(shù)據(jù)作為補(bǔ)充來(lái)源能在多大程度上提高藥品上市后安全性監(jiān)測(cè)的效果仍需要更多證據(jù)的支持。最新的研究發(fā)現(xiàn)，將社交媒體數(shù)據(jù)與傳統(tǒng)的自發(fā)報(bào)告系統(tǒng)相結(jié)合，并沒有比單獨(dú)使用自發(fā)報(bào)告系統(tǒng)取得更好的效果[25]。

2 社交媒體數(shù)據(jù)用于藥品上市后安全性監(jiān)測(cè)面臨的挑戰(zhàn)

基于社交媒體數(shù)據(jù)開展的藥品上市后安全性相關(guān)研究數(shù)量在近十年一直呈不斷增長(zhǎng)的趨勢(shì)，一些研究也從不同角度分別為社交媒體數(shù)據(jù)是否是一個(gè)有價(jià)值的數(shù)據(jù)來(lái)源提供了證據(jù)支持，但仍然存在很多需要解決的問題[26]。

2.1 數(shù)據(jù)層面

2.1.1真實(shí)性 社交媒體數(shù)據(jù)的真實(shí)度和可信度均無(wú)法與醫(yī)學(xué)數(shù)據(jù)相比，需要建立特定的算法或開發(fā)相應(yīng)技術(shù)對(duì)社交媒體數(shù)據(jù)的真實(shí)性進(jìn)行判別[27]。

2.1.2重復(fù)性 社交媒體數(shù)據(jù)會(huì)出現(xiàn)大量的數(shù)據(jù)重復(fù)，需要使用適當(dāng)?shù)姆椒ㄟM(jìn)行數(shù)據(jù)抽取。

2.1.3不完整性 社交媒體數(shù)據(jù)的碎片化和低質(zhì)量，造成研究者無(wú)法完整獲得進(jìn)行安全性監(jiān)測(cè)需要的數(shù)據(jù)，影響因果關(guān)系的判定[28-29]。

2.1.4不平衡性 與自發(fā)報(bào)告數(shù)據(jù)不同，社交媒體數(shù)據(jù)中僅有很小部分的數(shù)據(jù)包含潛在的ADR信息，信息分布非常不平衡。

2.1.5表達(dá)多樣性 (1)描述多樣性：除了用通用名描述藥品，還會(huì)使用商品名、有效成分和口語(yǔ)化表述等，而不良事件除了使用標(biāo)準(zhǔn)的醫(yī)學(xué)表述外，可能會(huì)使用方言、口語(yǔ)化甚至是自創(chuàng)的描述性詞語(yǔ)等[28,30]；(2)語(yǔ)法問題：存在錯(cuò)詞錯(cuò)字、語(yǔ)法錯(cuò)誤和使用不明確縮略語(yǔ)等；(3)語(yǔ)言多樣性：現(xiàn)有研究基本都集中在英語(yǔ)環(huán)境的社交媒體數(shù)據(jù)分析，包括中文在內(nèi)的其他語(yǔ)種表達(dá)尚未被涉及，以上這些表達(dá)多樣性的存在會(huì)提高命名實(shí)體識(shí)別和標(biāo)準(zhǔn)化的實(shí)現(xiàn)難度[31]。

2.2 方法層面

2.2.1數(shù)據(jù)處理方法 如何準(zhǔn)確和高效地進(jìn)行文本數(shù)據(jù)的命名實(shí)體識(shí)別和標(biāo)準(zhǔn)化是社交媒體數(shù)據(jù)的首要問題。目前主要使用機(jī)器學(xué)習(xí)的方法，包括無(wú)監(jiān)督學(xué)習(xí)、監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)，其中無(wú)監(jiān)督學(xué)習(xí)受社交媒體數(shù)據(jù)不平衡性的影響較大，而標(biāo)注數(shù)據(jù)的稀缺對(duì)監(jiān)督學(xué)習(xí)的發(fā)展造成了阻礙，半監(jiān)督學(xué)習(xí)同時(shí)使用無(wú)標(biāo)記數(shù)據(jù)和標(biāo)記數(shù)據(jù)進(jìn)行模式識(shí)別，正成為相關(guān)領(lǐng)域熱門的研究方向，自監(jiān)督學(xué)習(xí)作為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的另一種結(jié)合方式，可以使用無(wú)標(biāo)記數(shù)據(jù)自動(dòng)生成數(shù)據(jù)標(biāo)簽實(shí)現(xiàn)學(xué)習(xí)過程，在社交媒體文本數(shù)據(jù)處理方面很有潛力[32]。

2.2.2偏倚 (1)渠道偏倚：社交平臺(tái)本身用戶存在人群偏好，低齡兒童、老年人群、智力障礙人群或貧困人群(沒有智能終端或無(wú)法連通網(wǎng)絡(luò))等通常無(wú)法使用社交媒體平臺(tái)；(2)報(bào)告偏倚：社交平臺(tái)的傳播特征等(微博vs.論壇)會(huì)影響所報(bào)告的不良事件的類型，如發(fā)生性功能障礙ADE的患者可能不會(huì)將經(jīng)歷發(fā)布在特定的社交平臺(tái)上；(3)成名偏倚：與自發(fā)報(bào)告數(shù)據(jù)類似，藥品在剛被公眾應(yīng)用或被廣泛曝光并知曉時(shí)可能會(huì)出現(xiàn)相關(guān)ADR報(bào)告數(shù)量的上升，影響ADR信號(hào)檢測(cè)效果[33]。

2.2.3數(shù)據(jù)挖掘算法 基于比例失衡理論的數(shù)據(jù)挖掘算法是否還適用于社交媒體數(shù)據(jù)，仍有待研究提供證據(jù)支持[34]。

2.3 倫理層面

倫理和隱私保護(hù)是使用社交媒體數(shù)據(jù)時(shí)無(wú)法避免的挑戰(zhàn)。社交媒體用戶一般可以通過對(duì)自己的賬戶隱私級(jí)別進(jìn)行設(shè)置，選擇公開(所有人可見)或限定(僅自己或僅特定人群可見)展示發(fā)布的內(nèi)容，但即便是用戶選擇公開的社交媒體數(shù)據(jù)，也不意味著可以被隨意用于任何目的[35]。對(duì)來(lái)源于社交媒體數(shù)據(jù)的ADR個(gè)案的隨訪也會(huì)帶來(lái)倫理和隱私保護(hù)問題。假設(shè)通過挖掘社交媒體數(shù)據(jù)發(fā)現(xiàn)嚴(yán)重ADR案例，原則上應(yīng)當(dāng)對(duì)發(fā)現(xiàn)的個(gè)案進(jìn)行追蹤和隨訪，甚至干預(yù)[29]。國(guó)家藥品監(jiān)督管理局在2018年發(fā)布的《個(gè)例藥品不良反應(yīng)收集和報(bào)告指導(dǎo)原則》中明確提出有必要對(duì)個(gè)例不良反應(yīng)開展隨訪和調(diào)查。對(duì)個(gè)例不良反應(yīng)信息的評(píng)估、隨訪和調(diào)查，需要獲取其個(gè)人可識(shí)別信息以定位或聯(lián)系到個(gè)體，這類目的的數(shù)據(jù)使用暫未包含在社交媒體平臺(tái)現(xiàn)有的信息保護(hù)政策中，所以除非用戶本人簽署相應(yīng)的知情同意，否則就無(wú)法完成對(duì)個(gè)例不良反應(yīng)信息的評(píng)估、隨訪和調(diào)查?；谑褂蒙缃幻襟w數(shù)據(jù)開展藥品上市后安全性監(jiān)測(cè)時(shí)面臨的以上挑戰(zhàn)，需要繼續(xù)開展相關(guān)研究，提供合理數(shù)據(jù)使用方式的證據(jù)支持和機(jī)制建議，如在遵守現(xiàn)行互聯(lián)網(wǎng)信息保護(hù)相關(guān)法律法規(guī)的基礎(chǔ)上，在社交媒體平臺(tái)的用戶協(xié)議中采取“opt-in”或“opt-out”(選擇加入或選擇退出)模式，獲取用戶的數(shù)據(jù)使用知情同意，為后續(xù)數(shù)據(jù)使用的合理合規(guī)提供倫理基礎(chǔ)。

3 中文社交媒體數(shù)據(jù)用于藥品上市后安全性監(jiān)測(cè)

中國(guó)社交媒體平臺(tái)用戶數(shù)量巨大，2020年中國(guó)的社交媒體滲透率達(dá)到64.8%，略高于美國(guó)和日本等國(guó)。2019年，中國(guó)手機(jī)社交媒體活躍用戶總數(shù)達(dá)10億，成為亞太地區(qū)最大的社交媒體用戶群體，而且中國(guó)社交媒體的用戶使用時(shí)間也在不斷增加。以微信為例，截至2020年10月，微信的月活躍用戶約為10億，大約54%的微信用戶每天至少花10～30 min使用微信應(yīng)用，由此帶來(lái)的海量數(shù)據(jù)為藥品上市后安全性監(jiān)測(cè)提供的巨大潛在價(jià)值不言而喻。然而，應(yīng)用中文社交媒體數(shù)據(jù)開展藥品上市后安全性監(jiān)測(cè)還有一些獨(dú)特的困難和障礙需要克服和跨躍。首先，中文社交媒體數(shù)據(jù)以中文文本數(shù)據(jù)為主，由于中文語(yǔ)言自身的特點(diǎn)，加上中英文混雜表述的普遍出現(xiàn)，語(yǔ)言表達(dá)的多樣性比單獨(dú)的英文文本數(shù)據(jù)更加復(fù)雜，除錯(cuò)字錯(cuò)詞、語(yǔ)法錯(cuò)誤和縮略語(yǔ)外，還可能出現(xiàn)同音字(近音字)、形近字、語(yǔ)序錯(cuò)誤的情況；其次，中文與英文表達(dá)組成的區(qū)別為文本數(shù)據(jù)處理帶來(lái)挑戰(zhàn)，在中文中，詞與詞之間除標(biāo)點(diǎn)符號(hào)之外，不存在分隔符，這就給中文分詞工作帶來(lái)了挑戰(zhàn)，另外，與英文文本數(shù)據(jù)相比，中文的標(biāo)準(zhǔn)化語(yǔ)料庫(kù)，尤其是醫(yī)療健康相關(guān)語(yǔ)料庫(kù)十分缺乏，為建立高效、準(zhǔn)確的命名實(shí)體和標(biāo)準(zhǔn)化處理帶來(lái)了困難；最后，由于國(guó)內(nèi)的社交媒體數(shù)據(jù)使用和分析的相關(guān)法律法規(guī)尚在逐步建設(shè)和規(guī)范中，因此如何在使用社交媒體數(shù)據(jù)進(jìn)行上市后監(jiān)測(cè)時(shí)遵循倫理原則，保障社交媒體用戶的隱私和數(shù)據(jù)安全，仍然需要政府監(jiān)管部門、社交媒體平臺(tái)和科研工作者的共同努力。

4 總結(jié)與展望

藥品上市后安全性監(jiān)測(cè)是保障患者用藥安全的重要工作。社交媒體數(shù)據(jù)由于本身用戶群廣泛、數(shù)據(jù)體量巨大、來(lái)源豐富和時(shí)效性強(qiáng)等特點(diǎn)，作為一項(xiàng)患者產(chǎn)生的數(shù)據(jù)源對(duì)于提高現(xiàn)有安全性監(jiān)測(cè)水平具有巨大的潛在價(jià)值。利用社交媒體數(shù)據(jù)開展藥品上市后安全性研究發(fā)展已近十年，從目前已經(jīng)發(fā)表的研究結(jié)果看，研究者普遍認(rèn)同社交媒體數(shù)據(jù)是對(duì)現(xiàn)有藥品上市后安全性監(jiān)測(cè)數(shù)據(jù)的有益補(bǔ)充。社交媒體數(shù)據(jù)可能在特定ADR報(bào)告監(jiān)測(cè)(報(bào)告率低的ADR或者年輕人群的ADR)方面提供有價(jià)值的結(jié)果，協(xié)助解決傳統(tǒng)監(jiān)測(cè)的盲點(diǎn)，但是社交媒體數(shù)據(jù)是否可以用于信號(hào)檢測(cè)，尤其是早期信號(hào)檢測(cè)，甚至是被納入成為常規(guī)安全性監(jiān)測(cè)的一部分，學(xué)術(shù)界尚未能達(dá)成共識(shí)，仍需要更充分的研究證據(jù)證實(shí)其價(jià)值和可靠性。不僅如此，社交媒體數(shù)據(jù)被真正用于藥品上市后安全性監(jiān)測(cè)之前，還須優(yōu)先解決數(shù)據(jù)、方法和倫理三個(gè)方面的問題。社交媒體數(shù)據(jù)對(duì)藥品上市后安全性監(jiān)測(cè)的重要意義毋庸置疑，通過開發(fā)新技術(shù)并建立新機(jī)制，解決使用社交媒體數(shù)據(jù)時(shí)面臨的各種問題，可能是未來(lái)研究的重要發(fā)展方向。