Vers une extraction de données à grande échelle sur Twitter pour les événements indésirables liés aux médicaments

Les événements indésirables liés aux médicaments représentent des risques considérables pour les patients qui consomment des médicaments mis sur le marché ou des médicaments expérimentaux. La détection précoce des événements indésirables bénéficie non seulement aux régulateurs des médicaments, mais également aux fabricants pour la pharmacovigilance. Les méthodes existantes reposent sur les auto-reports "spontanés" des patients qui attestent des problèmes. La popularité croissante des plateformes de médias sociaux comme Twitter nous présente une nouvelle source d'information pour trouver des événements indésirables potentiels. Étant donné la haute fréquence des mises à jour des utilisateurs, l'extraction des messages Twitter peut nous mener à une pharmacovigilance en temps réel. Dans cet article, nous décrivons une approche pour trouver des utilisateurs de médicaments et des événements indésirables potentiels en analysant le contenu des messages Twitter en utilisant le traitement du langage naturel (NLP) et pour construire des classificateurs à vecteurs de support (SVM). En raison de la taille du jeu de données (c'est-à-dire 2 milliards de Tweets), les expériences ont été menées sur une plateforme de calcul haute performance (HPC) utilisant MapReduce, qui présente la tendance des analyses de grandes données. Les résultats suggèrent que les données de réseaux sociaux de la vie quotidienne pourraient aider à la détection précoce de problèmes de sécurité importants pour les patients.