生物医学研究中新型治疗方法开发的预测

对有前景的药物研究主题进行早期识别具有挑战性，但对于科学界加速新型疗法的开发至关重要。在本研究中，我们利用来自生物医学文献的大规模公共数据提取预测特征，以在早期识别有前景的治疗性研究主题。我们将生物医学文献的全局引文图划分为由时间序列构成的研究主题，并基于引文活动、出版内容以及科学家向新型研究主题可测量地聚集的现象提取主题特征。基于这些特征，我们的机器学习模型能够在未来产生获得美国食品药品监督管理局（FDA）批准药物的研究主题获批前数年将其识别出来（F1 分数为 0.84）。80%的目标药物被提前预测，其中65%在获批前8年或更早即被预测到。在绝大多数正预测中，这一时间点早于Ⅱ期临床试验的开始。 这些结果表明，该方法能够利用在预测时点本可同步获得的公共数据，高效标记出那些将在获批前数年产生获批药物的研究主题。因此，仅凭对科学家发表与引文行为的高层次观察，而不依赖可能存在显著滞后才会被登记的临床试验数据，也能够实现可靠预测。这表明，即使没有关于这些应用研究工作的任何专门信息，也有可能探测到未来获得FDA批准疗法的早期信号。

bihutchins{at}wisc.edu

摘要

信息/历史记录

指标

补充材料

预览 PDF

摘要

及早识别有前景的药物研究主题虽具挑战性，但对科学界加速新型治疗药物的开发至关重要。在限制。任何人均可出于任何目的合法分享、再利用、混编或改编本材料，而无需注明原作者。

查看讨论主题。

返回顶部

上一篇

下一篇

发布于 2026 年 6 月 1 日。

下载 PDF

补充材料

电子邮件

感谢您帮助传播 bioRxiv 的内容。

您的电子邮箱

*

您的姓名

*

发送至

*

请输入多个地址，每行一个，或以逗号分隔。

您将要通过电子邮件发送以下内容

生物医学研究中新型治疗开发的预测

邮件主题

（您的姓名）已从 bioRxiv 转发一个页面给您

邮件正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于测试您是否为人工访问者，并防止自动化垃圾信息提交。

分享

生物医学研究中新型治疗开发的预测

Salsabil Arabi ， Bruce Ian Hutchins

bioRxiv

2026.05.29.728775；

doi：

https://doi.org/10.64898/2026.05.29.728775

分享本文：

复制

引用工具

生物医学研究中新型治疗开发的预测

Salsabil Arabi ， Bruce Ian Hutchins

bioRxiv

2026.05.29.728775；

doi：

https://doi.org/10.64898/2026.05.29.728775

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.29.728775v1?rss=1

🏷️ 药物研发预测 生物医学文献挖掘 引文网络分析 机器学习 FDA批准药物