Araştırma Makalesi

Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini

Cilt: 16 Sayı: 3 3 Eylül 2026
PDF İndir
TR EN

Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini

Öz

Bu çalışmada, advers ilaç reaksiyonlarının (ADR) tahmini ve adil değerlendirilmesi amacıyla ABD Gıda ve İlaç Dairesi (FDA) tarafından yürütülen Adverse Event Reporting System (FAERS) veritabanından elde edilen 2004 yılına ait yaklaşık 12.000 advers olay raporu kullanılmıştır. Çoklu advers reaksiyon tahmini için demografik adalet gözeten birçok katmanlı sinir ağı modeli (FairADR-Net) uygulanmıştır. Model girdisi, ilaç bilgilerine yönelik çoklu-etiket gösterimi ve demografik değişkenlerin tekil-etiket (one-hot) kodlanmış temsilinden oluşmaktadır. Eğitim sürecinde kullanılan kayıp fonksiyonu, İkili Çapraz Entropi (Binary Cross-Entropy, BCE) sınıflandırma terimi ile cinsiyet grupları arasındaki ortalama tahmin farkını azaltmayı hedefleyen demografik denge ceza teriminin ağırlıklı bileşiminden oluşmaktadır. Bu sayede model, hem tahmin performansını hem de cinsiyete duyarlı tahmin adaleti eş zamanlı olarak optimize etmektedir. Deneysel sonuçlar, modelin özellikle DEATH ve METRORRHAGIA gibi klinik açıdan kritik advers reaksiyonlarda yüksek ayırt edicilik (Eğri Altında Kalan Alan (Area Under the Curve, AUC) ≈ 0.94) sağladığını göstermektedir. Çalışmanın temel katkısı, ADR tahmin modellerinde cinsiyete dayalı tahmin sapmasını ölçen ve azaltan adalet odaklı bir yaklaşım sunarak farmakovijilans süreçlerinde daha güvenilir ve dengeli risk değerlendirmesi sağlamasıdır.

Anahtar Kelimeler

Farmakovijilans, ADR, FAERS veri seti, Demografik adalet

Kaynakça

  1. Algarvio, R. C., Conceição, J., Rodrigues, P. P., Ribeiro, I., & Ferreira-da-Silva, R. (2025). Artificial intelligence in pharmacovigilance: A narrative review and practical experience with an expert-defined Bayesian network tool. International Journal of Clinical Pharmacy, 47(4), 932-944.
  2. Barocas, S., Hardt, M., & Narayanan, A. (2023). Fairness and machine learning: Limitations and opportunities. MIT press.
  3. Chen, I. Y., Szolovits, P., & Ghassemi, M. (2019). Can AI help reduce disparities in general medical and mental health care?. AMA journal of ethics, 21(2), 167-179.
  4. Gao, Y., Zhang, X., Sun, Z., Chandak, P., Bu, J., & Wang, H. (2025). Precision adverse drug reactions prediction with heterogeneous graph neural network. Advanced Science, 12(4), 2404671.
  5. Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in neural information processing systems, 29.
  6. Harpaz, R., DuMouchel, W., LePendu, P., Bauer-Mehren, A., Ryan, P., & Shah, N. H. (2013). Performance of pharmacovigilance signal-detection algorithms for the FDA adverse event reporting system. Clinical Pharmacology & Therapeutics, 93(6), 539-546.
  7. Inácio, P., Cavaco, A., & Airaksinen, M. (2017). The value of patient reporting to the pharmacovigilance system: a systematic review. British journal of clinical pharmacology, 83(2), 227-246.
  8. Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., & Galstyan, A. (2021). A survey on bias and fairness in machine learning. ACM computing surveys (CSUR), 54(6), 1-35.
  9. Obermeyer, Z., Powers, B., Vogeli, C., & Mullainathan, S. (2019). Dissecting racial bias in an algorithm used to manage the health of populations. Science, 366(6464), 447-453.
  10. Pfohl, S. R., Foryciarz, A., & Shah, N. H. (2021). An empirical characterization of fair machine learning for clinical risk prediction. Journal of biomedical informatics, 113, 103621.

Kaynak Göster

APA
Erdem, E. (2026). Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini. Karadeniz Fen Bilimleri Dergisi, 16(3), 1258-1271. https://doi.org/10.31466/kfbd.1846016
AMA
1.Erdem E. Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini. KFBD. 2026;16(3):1258-1271. doi:10.31466/kfbd.1846016
Chicago
Erdem, Ebru. 2026. “Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini”. Karadeniz Fen Bilimleri Dergisi 16 (3): 1258-71. https://doi.org/10.31466/kfbd.1846016.
EndNote
Erdem E (01 Eylül 2026) Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini. Karadeniz Fen Bilimleri Dergisi 16 3 1258–1271.
IEEE
[1]E. Erdem, “Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini”, KFBD, c. 16, sy 3, ss. 1258–1271, Eyl. 2026, doi: 10.31466/kfbd.1846016.
ISNAD
Erdem, Ebru. “Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini”. Karadeniz Fen Bilimleri Dergisi 16/3 (01 Eylül 2026): 1258-1271. https://doi.org/10.31466/kfbd.1846016.
JAMA
1.Erdem E. Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini. KFBD. 2026;16:1258–1271.
MLA
Erdem, Ebru. “Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini”. Karadeniz Fen Bilimleri Dergisi, c. 16, sy 3, Eylül 2026, ss. 1258-71, doi:10.31466/kfbd.1846016.
Vancouver
1.Ebru Erdem. Farmakovijilans Kararlarında Adalet: Demografik Parite Düzenlemeli Çok Katmanlı Algılayıcı ile ADR Tahmini. KFBD. 01 Eylül 2026;16(3):1258-71. doi:10.31466/kfbd.1846016