Autoři nové práce použili strojové učení k lepší predikci vedlejších účinků.
Sbírali data ze zpráv o nechtěnýchudálosti zveřejněné americkým Úřadem pro kontrolu potravin a léčiv (FAERS). V databázích je více než 15 milionů záznamů. Dále autoři seskupili události, které se často vyskytují současně, aby se zjednodušila analýza a posílil vztah mezi lékem a jeho profilem vedlejších účinků.
Vědci poté vycvičili neuronovou síť, kteránapodobuje způsob, jakým lidský mozek vytváří asociace mezi daty, aby mohl identifikovat společné vzorce mezi drogami a jejich vedlejšími účinky.
Aby otestovali svůj model, vědcinačítal data se zjevně nežádoucími kombinacemi, aby viděli, jak na ně neuronová síť zareaguje. Výsledky ukázaly, že model dokáže rozpoznat tyto nové vzorce a snadno přečíst vedlejší účinky kombinované terapie.
Jednotlivce se nám podařilo identifikovatterapeutické účinky pomocí jednoduchých algebraických výpočtů. Protože je algoritmus trénován tak, aby rozpoznával globální vzorce, dokáže přesně zachytit vedlejší účinky kombinované terapie.
Bart Westerman, PhD, hlavní autor studie a docent v Amsterdam Cancer Center
Přečtěte si více:
Po deseti letech práce vědci zpochybnili standardní model fyziky
Uvnitř Země je další „planeta“: jak zachránila rodící se život
Staré buňky byly přeprogramovány a staly se o 30 let mladšími: jak to funguje