基于CHPS与DeepSeek AI的阿哌沙班不良事件主动监测及电子触发器效能评价

摘要

目的 基于中国医院药物警戒系统(CHPS)和DeepSeek人工智能(AI)模型，构建阿哌沙班药品不良反应/事件(ADR/E)双重主动监测系统，评价电子触发器效能。方法 通过德尔菲法(n=31)建立电子触发器条目；开发CHPS系统结构化数据抓取与DeepSeek AI多模态病历分析(含Naranjo评分、知识图谱推理)的双重监测模块；回顾性审查某三甲医院1 634份使用阿哌沙班的住院病历，以人工审查为金标准，计算阳性预测值(PPV)和灵敏度评价电子触发器效能。结果 初拟阿哌沙班ADR/E电子触发器条目23项，经德尔菲法专家咨询，运用CHPS系统集成建模工具，设置主动监测方案，其中实验室指标类8项、临床症状体征类8项、解救剂类5项、干预措施类2项，电子触发器总体阳性预测值PPV为22.06%。电子触发器结合DeepSeek AI检出并经人工审核确定的真阳性ADR/E病例104例，人工复核工作量减少74.50%,灵敏度提升25.96%,而该院在药品不良反应监测系统同期自发上报仅5例。结论 通过CHPS建立的电子触发器融合DeepSeek AI可有效用于主动监测医疗机构ADR/E,增强监测敏感性，提高ADR/E上报率，为主动药物警戒提供新范式。

关键词

阿哌沙班 / 人工智能 / 药物警戒 / 主动监测

基金资助

福建省药品监督管理局科技项目(NO:2023022)