医薬品用語を簡単にして、より良いヘルスケアを。
新しいツールが薬の名前をわかりやすくして、医療従事者の治療選択を改善することを目指してるよ。
― 1 分で読む
目次
医療の分野では、医療専門家たちがさまざまな薬や治療法と向き合う必要があるんだ。彼らは薬の仕組み、効果、その他の要因についての情報を集めて整理し、患者にとってベストな治療計画を立てるんだよ。役立つリソースはいろいろあるけど、時々混乱しちゃうこともあるんだ。
大きな問題のひとつは、同じ薬に対して異なる名前や定義が使われていること。例えば、ある薬は地域によってブランド名や識別子が違うことがあるんだ。特に遺伝学の分野では、不明瞭な用語が適切な治療選択を難しくすることがあるよ。
複雑な薬の名前の例
イマチニブを例にとってみよう。これは慢性骨髄性白血病(CML)というタイプのがんを治療するためによく使われる薬だ。アメリカではGleevecって呼ばれることが多いけど、ヨーロッパではGlivecって名前で知られていることもある。他にもCelonibやEnlivenなど、たくさんの名前があって、医療文献ではSTI-571って呼ばれていたこともあるんだ。
この薬については、異なる塩の製剤や化学構造についても話されることがある。たくさんの名前があるけど、遺伝子や変異との関わりについて話すときは、みんな同じ薬を指しているんだ。
用語の課題
薬ごとの名前や用語の違いは、その薬の開発や使用の異なる段階から来てるんだ。薬の名前には決まった基準があって、これによって一貫性を持たせることを目指しているよ。例えば、アメリカでは市場に出る前に、薬の有効成分に基づいて一般名が付けられる仕組みがあるんだ。
でも、これらの努力にもかかわらず、異なる名前や用語を一致させるのはまだ問題があるんだ。一部のツールやデータベースは問題解決を助けるために存在しているけど、新しい薬や情報がどんどん出てくる中で、に追いついていないものも多いんだよ。単一の薬に関する情報を有効に統合するためには、様々なリソースでの全ての可能な名前や識別子を知っておく必要があるんだ。
薬の名前をマッピングする
異なるリソースの正しい識別子を見つけられても、まだ課題は残るんだ。例えば、これらの識別子をマッピングする一貫したシステムがなければ、ユーザーが情報を交換しようとしたときに違いが生じるかもしれない。それぞれのリソースが薬やその名前を異なる定義で扱うことがあって、混乱を招くんだ。この混乱は、異なる組み合わせや形で出てくる薬に特に多く見られるよ。
より良いコミュニケーションの必要性
薬の名前のこの複雑さは、研究者や医療専門家にとって治療用語についてコミュニケーションを取る際に苦労を引き起こすんだ。異なるリソースからの薬の名前を一致させようとすると問題が発生するんだ。類似性を見つけるための文字列照合というプロセスは、名前や製剤のバリエーションが多すぎると十分ではないんだ。
この問題を解決するために、TheraPyという新しいツールが開発されたんだ。TheraPyは、薬の情報をより効果的に統合し整理するために設計されているよ。様々な公共リソースから関連する名前や用語を見つけ出すことで、各薬が何で、どう使えるかをより明確で統一された形にしてくれるんだ。
TheraPyの仕組み
TheraPyは、Wikidataなどの様々なデータベースから情報を集めているんだ。ツールは、異なる用語の間の名前、識別子、関係性を収集して、ユーザーが必要な詳細を見つけやすいように整理するんだ。
TheraPyを使うと、記録が異なるカテゴリーに分かれていて、全ての名前、商標名、その他の重要な情報が含まれているんだ。これらの記録は、包括的なビューを形成するためにリンクされ、それぞれの薬にユニークな識別子が付与されるんだ。
正規化のためのTheraPyの使用
ユーザーが薬の名前でTheraPyに問い合わせると、ツールはその入力を保存された記録と比較して一致を探すんだ。最も関連性の高い情報と、一致度を示すスコアが返されるから、医療専門家が迅速に適切な治療情報を見つけやすくなるんだ。
異なるソースからの薬リストを使ったテストでは、TheraPyが大半のソースからの情報を成功裏に標準化できることが示されたよ。結果から見ると、TheraPyは薬の用語を効果的に調和させることができたけど、まだ一部のソースには課題が残っているんだ。
正確な薬情報の重要性
薬に関する正確な情報は、効果的な医療治療にとって重要なんだ。医療提供者が一貫した用語を簡単に見つけて使えると、患者ケアについてより良い判断を下すことができるんだよ。新しい薬が市場に出続けているし、既存の薬も新しい製剤やブランド名を得ているから、特に重要だよね。
今後の課題
TheraPyの成功にもかかわらず、克服すべきハードルが残っているんだ。治療概念の微妙な違いが正規化プロセスを複雑にすることがあるんだ。将来的な改良には、異なる薬のカテゴリーを管理するための先進的な方法を使ったり、全ての名前が正確に表現されることを確保することが含まれるかもしれないね。
薬の情報を整理するための努力は、製薬業界の成長に合わせて続けられる必要があるんだ。用語の正確なマッピングと標準化は、急速に変化する治療の風景に追いつくためには欠かせないんだ。
結論
薬の用語の世界は、本当に複雑で、同じ薬のためにたくさんの名前、識別子、説明があるんだ。TheraPyのようなツールは、この情報をより明確でアクセスしやすくするための一歩なんだ。医療の分野が進化する中で、薬の情報や用語を整理するためのより良いシステムの必要性はますます高まっていくね。これらの課題に一緒に取り組むことで、医療システムでのコミュニケーションと患者ケアを改善できるんだ。
タイトル: Normalization of Drug and Therapeutic Concepts with TheraPy
概要: Working with therapeutic terminology in the field of medicine can be challenging due to both the number of ways terms can be addressed and the ambiguity associated with different naming strategies. A therapeutic concept can be identified across many facets from ontologies and vocabularies of varying focus, including natural product names, chemical structures, development codes, generic names, brand names, product formulations, or treatment regimens. This diversity of nomenclature makes therapeutic terminology difficult to manage and harmonize. As the number and complexity of available therapeutic ontologies continues to increase, the need for harmonized cross-resource mappings is becoming increasingly apparent. Harmonized concept mappings will enable the linking together of like-concepts despite source-dependent differences in data structure or semantic representation. To support these mappings, we introduce TheraPy, a Python package and web API that constructs stable, searchable merged concepts for drugs and therapeutic terminologies using publicly available resources and thesauri. By using a directed graph approach, TheraPy can capture commonly used aliases, trade names, annotations, and associations for any given therapeutic and combine them under a single merged concept record. Using this approach, we found that TheraPy tends to normalize therapeutic concepts to their underlying active ingredients (excluding non-drug therapeutics, e.g. radiation therapy, biologics), and unifies all available descriptors regardless of ontological origin. In this report, we highlight the creation of 16,069 unique merged therapeutic concepts from 9 distinct sources using TheraPy. Further, we analyze rates of normalization for therapeutic terms taken from publicly available vocabularies.
著者: Alex H Wagner, M. Cannon, J. Stevenson, K. Kuzma, S. Kiwala, J. Warner, O. L. Griffith, M. Griffith
最終更新: 2023-08-02 00:00:00
言語: English
ソースURL: https://www.medrxiv.org/content/10.1101/2023.07.27.23293245
ソースPDF: https://www.medrxiv.org/content/10.1101/2023.07.27.23293245.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。
参照リンク
- https://normalize.cancervariants.org/therapy/
- https://normalize.cancervariants.org/therapy
- https://pypi.org/project/therap-py/
- https://go.osu.edu/TPY
- https://ftp.ebi.ac.uk/pub/databases/chembl/ChEMBLdb/latest/
- https://go.drugbank.com/releases/5-1-10#open-data
- https://open.fda.gov/apis/drug/drugsfda/download/
- https://www.guidetopharmacology.org/download.jsp
- https://evs.nci.nih.gov/ftp1/NCI_Thesaurus/Thesaurus_23.04d.OWL.zip
- https://www.nlm.nih.gov/research/umls/rxnorm/docs/rxnormfiles.html