1. 药物安全信号检测工程导论

药物安全信号检测工程，是把药物警戒中“发现潜在风险”这件事，从依赖个人经验的零散判断，转化为可定义、可计算、可复现、可审计的工程体系。它关注的不是单个病例的因果关系判定，而是一批数据中是否出现了值得进一步调查的异常模式。理解这门课，需要先厘清三个问题：信号是什么、检测工程要达成什么目标、整体流程如何运转。

一、信号的定义与边界

在药物警戒语境中，信号（signal）指来自一个或多个来源的信息，提示某药物与某不良事件之间可能存在此前未知或未充分记录的因果关系，或提示该关联的频次、严重程度发生了变化。这个定义有三个关键限定：

• 信号是“提示”而非“结论”。它只说明值得投入资源去验证，不意味着因果关系已经成立。
• 信号可以来自多源数据。自发报告数据库、电子病历、医保理赔、文献、临床试验、社交媒体都可能产生信号线索。
• 信号有生命周期。从产生、初步评估、优先排序、验证、到确认或驳回，每一步都有明确的输入与输出。

需要区分几个容易混淆的概念。不良反应是已确认的因果关联；信号是尚未确认的疑似关联；噪声是统计上显著但无临床意义的波动。检测工程的核心难点，正是在海量报告中将信号从噪声中分离出来，同时不遗漏真正的风险。

二、检测工程的目标

信号检测工程要同时满足四个目标，它们之间存在张力，需要工程化权衡：

• 灵敏度：尽可能不遗漏真实信号，尤其是罕见但严重的事件。
• 特异度：控制假阳性，避免评估资源被无效线索耗尽。
• 时效性：在风险造成更大伤害前尽早发现，缩短从报告到识别的延迟。
• 可解释性与可审计性：每个信号为何被检出、依据哪些数据、经过何种处理，都必须可追溯，以满足监管与内部质量要求。

这四个目标无法同时最优。提高灵敏度通常带来更多假阳性，缩短检测周期可能牺牲统计稳定性。工程的价值就在于用明确的参数、阈值和流程，把这种权衡变成可管理、可复现的决策，而不是每次凭感觉调整。

三、整体流程

一个完整的信号检测工程流程，可以概括为数据接入、数据标准化、信号生成、信号评估、优先级排序、验证与行动六个阶段，并带有反馈回路。下图展示了这一流程及关键输入输出。

四、从“检测”到“工程”的关键转变

把信号检测称为“工程”，意味着它必须具备可重复性和可维护性。具体体现在：

• 参数化：阈值、时间窗、最小报告数等以配置形式管理，而非硬编码在脚本中。
• 版本化：数据快照、算法版本、参数集都需记录，确保任意时点的检测结果可复现。
• 自动化：从数据抽取到信号列表生成，尽可能减少人工干预，降低操作误差。
• 可审计：每个信号附带完整的计算路径和原始数据引用，支持监管核查。

以ROR（报告比值比）为例，其计算基于2×2列联表：目标药物与目标事件的报告数a，目标药物与其他事件的报告数b，其他药物与目标事件的报告数c，其他药物与其他事件的报告数d。ROR = (a/b) / (c/d)。当ROR≥2且95%置信区间下限大于1时，通常被视为值得进一步评估的信号。这个计算本身简单，但工程化要求每次运行都使用一致的数据清洗规则、一致的MedDRA版本、一致的排除标准，否则结果无法横向比较。

五、本课程的知识地图

后续章节将围绕这条主线展开：数据源与标准化、统计检测方法、机器学习辅助筛选、信号评估与优先级、验证性研究设计、系统实现与运维、监管沟通与案例复盘。每一部分都对应流程中的一个或多个环节，最终目标是让学习者能够独立设计、运行并解释一个信号检测系统。