药品不良事件（adverse drug event，ADE）对公众健康构成严重的挑战，世界卫生组织将ADE也定义为不良感受，是指药物治疗过程中所发生的任何不幸的医疗卫生事件，而这种事件不一定与药物治疗有直接的因果关系。

    在药品上市前和上市后都要进行ADE监测，上市前主要是通过各种方法来测试药物毒性，并通过开展临床试验来评价其有效性和安全性；上市后的安全性观察目前记录在各种形式不同的数据库中，如ADE自发报告系统、针对某种具体药物的登记系统、行政索赔数据库和电子病历等，从而不断分析并寻找出与药物有关的不良反应（adverse drug reaction，ADR）。这些常规监测方法的局限性在于无法观察到罕见或迟发性的ADEs，并且容易忽略那些在人群中常见的病症（如：2004年时COX-2抑制剂最终因“心血管风险”而全球撤市）。

    为了保护公众健康，早期、精确地鉴别出ADEs非常重要。美国哈佛大学医学院波士顿儿童医院的Aurel Cami等开发出一种新的预测ADE方法，将其命名为“药品安全预测网络”（predictive pharmacosafety network，PPN），整合了现有已知特定药物的ADE信息形成网络，籍此预测新的未知ADE，经过测试已经取得较好效果。

    与既往采用累积上市后药品安全性数据的做法相比，PPN更加注重重复依靠现有的药品安全上下文信息来预测新的ADE，从而早期识别可能发生的特定ADE。研究者在2005年安全性数据的基础上补充了相关信息，构建了包含809种常用药物、852种常见ADE的药品-ADE相关性网络，设计了logistic回归模型来预测那些在2005年还未上市的药品发生ADE的可能。通过比较这些新药在2010年药品安全性数据库中的数据与模型预测的结果之间的匹配程度来评估模型的可靠性。结果发现，曲线下面积（area under the receiver operating characteristic curve，AUROC）为0.87，灵敏度为0.42，特异性为0.95。这些数据表明，该模型的确有效，值得引起重视和大力推广。（编译：贾玉华）

参考文献：《Science Translational Medicine》2011;3:114ra127