• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.397-400
• /
• 2022

본 연구에서는 소셜 네트워크 서비스(Social Network Service, SNS) 데이터로부터 약물 부작용 게시글을 추출하기 위한 순환 신경망(Recurrent Neural Network, RNN) 기반 분류 모델을 제안한다. 먼저, 처방 빈도가 높으며 게시글을 많이 확보할 수 있는 케토프로펜 약물에 대하여 국내 최대 소셜 네트워크 플랫폼인 네이버 블로그와 카페의 게시글(2005 년~2020 년)을 확보하고 최종 3,828 건을 분석하였다. 결과적으로 케토프로펜에 대한 3 종(약물, 부작용, 불용어)의 렉시콘을 정의하였으며 이를 기반으로 Bi-LSTM 분류모델 기준 87%의 정확도를 얻었다. 본 연구에서 제안하는 모델은 SNS 데이터가 약물 부작용 정보 획득을 위한 기존 (전자의무기록, 자발적 약물 부작용 보고 시스템 등) 자료원에 대한 보완적 정보원이 되며, 개발된 Bi-LSTM 분류모델을 통해 약물 부작용 게시글 추출의 편리성을 제공할 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.443-446
• /
• 2021

의약품에 대한 안전성 정보 수집과 관리는 온라인, 오프라인을 통해 약물 이상 사례를 보고받는 형태로 진행되고 있다. 하지만 소비자들의 자발적인 참여로 이루어지므로 실제 발생하는 약물 부작용보다 데이터가 현저히 적다는 단점이 존재한다. 본 논문에서는 약물 이상 데이터 희소성 문제를 해결 할 수 있도록 소셜 미디어에서 약물 부작용 표현을 찾을 수 있도록 하였다. 소셜 미디어의 경우에는 표준 약물 부작용 용어를 사용하기보다는 일반인들이 자연어로 표현한 경우가 많으므로 개체명 인식 기법을 이용해 부작용을 추출할 수 있는 모델을 개발하였다. 또한 추출된 부작용 표현을 표준용어로 분류할 수 있는 모델을 제시하였다. 실험 결과 제안한 두 가지 모델은 0.9 이상의 정확도를 얻을 수 있었으며, 일반 사용자들이 자연어로 표현한 약물 부작용 표현을 효과적으로 찾아내고 표준 부작용 용어로 매핑할 수 있음을 보여준다.

• The Monthly Diabetes
• /
• s.148
• /
• pp.13-15
• /
• 2002

1997년 미국당뇨병학회에서는 당뇨병을 그 원인과 병태생리에 따라 크게 세가지로 분류하였다. 그에 따르면 제 1형 당뇨병과 제 2형 당뇨병 그 외에 이 두 부류에 속하지 않는 기타 부류의 당뇨병으로 구분되는데, 약물에 의해서 유발되는 당뇨병이 이 세번째 부류에 속한다. 현대사회에는 여러 가지 약물들이 개발되어져서 더 많은 질병의 치료에 사용이 되어지고 있으며 그에 따르는 치료효과의 증대와 같은 많은 긍정적인 결과가 야기되었으나 이러한 약물의 사용에 필연적으로 동반될 수밖에 없는 문제 중의 하나가 약물에 의한 부작용이라 할 수 있다. 그러한 약물 부작용 중에서 당뇨병을 유발시키거나 악화시킬수 있는 약제들에 대해 간단히 살펴보기로 한다.

• Proceedings of the Korean Society of Applied Pharmacology
• /
• 1993.04a
• /
• pp.169-169
• /
• 1993

동물의 일반활동은 중추신경계에 작용하는 약물에 관한 많은 정보를 제공한다. 따라서 약물의 중추신경계에 대한 독성평가는 물론이고 중추신경계 작용약물의 검색에도 널리 이용된다. 본 연구에서는 여러 가지 기전으로 중추신경계에 작용하는 약물들의 일반활동을 분석하여 중추신경계 작용 약물들의 작용기전에 따르는 일반활동의 특성을 비교 분석하고자 하였다. 실험장치는 UGO BASILE제 활동측정 장치를 이용하였으며, 실험동물은 서울대학교 의과대학 실험동물 사육장에서 사육한 ICR mouse를 사용하였다. 동물의 활동측정은 환경요인을 최소한으로 배제하기 위하여 매일 9:00-11:00 까지 2시간 동안의 행동을 10분 간격으로 측정 기록토록 하였다. 중추신경 흥분제 amphetamine, 진정수면제 phenobarbital, 항불안제 diazepam, 항정신병약 chlorpromazine, 항우울제 haloperidol는 모두 용량 의존적으로 동물의 자발운동에 영향을 미쳤다. 특기할 것은 항불안제 diazepam 은 용량의존적으로 운동 억제를 나타내었으나 진정수면제 phenobarbital의 경우는 용량 의존전 운동억제를 나타내기 이전에 초기약물 유발성 aggressive behavior를 나타내었다. 본 실험결과는 동물의 자발행동의 분석으로 중추신경계 작용약물의 작용기전 규명 및 이에 따르는 약물의 분류 방법으로 유용하게 이용될 수 있을 것으로 생각된다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.273-275
• /
• 2022

The use of drugs by pregnant women poses a potential risk to the fetus. Therefore, it is essential to classify drugs that pregnant women should prohibit. However, the fetal toxicity of most drugs has not been identified. This takes a lot of time and cost. In silico approaches, such as virtual screening, can identify compounds that may present a high risk to the fetus for a wide range of compounds at the low cost and time. We collected class information of each drug from the hazard classification lists for prescribing drugs in pregnancy by the government of Korea and Australia. Using the structural and chemical features of each drug, various machine learning models were constructed to predict fetal toxicity of drugs. For all models, the quantitative performance evaluation was performed. Based on the attention algorithm, important molecular substructures of compounds were identified in the process of predicting the fetal toxicity of the drug by the proposed model. From the results, we confirmed that drugs with a high risk of fetal toxicity can be predicted for a wide range of compounds by machine learning. This study can be used as a pre-screening tool for fetal toxicity predictions, as it provides key molecular substructures associated with the fetal toxicity of compounds.

• Advanced Industrial SCIence
• /
• v.3 no.2
• /
• pp.8-16
• /
• 2024

This paper shows the system of drug classification, the goal of this is to foretell the apt drug for the patients based on their demographic and physiological traits. The dataset consists of various attributes like Age, Sex, BP (Blood Pressure), Cholesterol Level, and Na_to_K (Sodium to Potassium ratio), with the objective to determine the kind of drug being given. The models used in this paper are K-Nearest Neighbors (KNN), Logistic Regression and Random Forest. Further to fine-tune hyper parameters using 5-fold cross-validation, GridSearchCV was used and each model was trained and tested on the dataset. To assess the performance of each model both with and without hyper parameter tuning evaluation metrics like accuracy, confusion matrices, and classification reports were used and the accuracy of the models without GridSearchCV was 0.7, 0.875, 0.975 and with GridSearchCV was 0.75, 1.0, 0.975. According to GridSearchCV Logistic Regression is the most suitable model for drug classification among the three-model used followed by the K-Nearest Neighbors. Also, Na_to_K is an essential feature in predicting the outcome.

• Proceedings of the Korean Society of Applied Pharmacology
• /
• 1992.05a
• /
• pp.40-40
• /
• 1992

opiate receptor들의 중추신경계에서의 분포 및 작용에 관한 실험물은 널리 알려져 있어 그 웅용 방법도 많이 있으나, 말초에 있는 opiate receptor의 존재 및 약물작용을 관찰하는 실험은 별로 알려진 것은 없다. 저자는 214mM의 sucrose 용역을 이용하여 전기적 자극에 따른 말초신경 및 말초조직(근육)에서의 opiate receptor애 대한 작용을 관찰하였다. 실험은 3분류의 약물을 이용하였다. 1) Pure agonists: morphine, meperidine, methadone, 2) Agonist-antagonist: buprenorphine 3) Pure antagonist: naloxone 위의 약물들을 이용하여 excitable cell membrane(좌골신경 및 근육)에서 일어나는 potential의 변화를 관찰하여 다음과 같은 결과를 얻었다. a. pure agonists들은 좌골신경 및 근육절편에서 action potentials을 의의있게 억제시켰으며 meperidine이 가장 강한 작용을 보였다. b. 이들의 작용은 naloxone 투여로 억제되었다. c. Agonist-antagonist인 buprenorphine은 투여용량 및 동시 투여한 pure agonist의 종류에 따라 biphasic pattern을 나타내었다. d. opiates 작용기전 및 약물작용장소를 알고자 두 종류, 즉 single 및 double technique을 사용하여 비교하였다.

• Journal of Sasang Constitutional Medicine
• /
• v.8 no.2
• /
• pp.259-260
• /
• 1996

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.673-675
• /
• 2022

우리 사회에서 개인이 복용하고 있는 약물의 종류와 수가 점점 늘어나고 있다. 약물의 사용이 증가하면서 때로는 치명적일 수 있는 약물 오남용 또한 빈번히 발생하고 있으며 특히 노년층과 같이 약품을 정확하게 구별할 수 없는 사람들은 더욱더 그 위험에 노출되어있다. 본 논문에서는 사용자가 간단한 사진을 찍는 행위를 거치면 약물의 정보를 제공하고, 복용법을 알 수 있는 모바일 애플리케이션에 관하여 기술한다. 이를 구현하기 위하여 세밀한 시각적 분류 (Fine-Grained Visual Categorization, FGVC) 기법과 광학 문자 인식 (Optical Character Recognition, OCR) 기법을 결합한 인공지능 모델을 사용하였으며, React Native 를 사용하여 운영체제에 종속되지 않도록 애플리케이션을 제안한다. 이 애플리케이션은 노년층에 친화된 UI/UX 로 디자인되었으며, 약물의 정보 제공 이외에도 개인 약물 관리, 주변 약국 길 찾기 등의 편의 기능을 통해 노년층에 삶의 질 향상을 기대할 수 있을 것이다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.14 no.9
• /
• pp.4326-4334
• /
• 2013

This study is descriptive research, attempts to determine the status of elderly inpatients of veterans hospital' of drug awareness information, drug use status and drug Misusage. The subjects were 220 patients of aged 65 and over only five metropolitan areas nationwide in drug use in the Veterans Hospital, national merit, the study is from May to June. SPSS Win 18.0 program was used as the data analysis and a statistical statement by mean, standard deviation, t-test and ANOVA, and multiple regression analysis. As a results, there was showed a statistically significant level 'age', 'type of marriage', 'education', 'triage', 'health status' as the general characteristics of the subjects. It showed the 'age' of the variables that influence recognition in the area of drug awareness information, and drug Misusage and drug use status factors seemed to affect the 'health status'. Therefore, It need for a comparative study of elderly inpatients and inpatients of veterans hospital, the research should be qualitative research of veterans medical services to the on reasonable support measures in the Veterans Affairs health care system and national merit.