En maskinlæringstilgang udviklet af Dr. Diego Galeano og Prof. Alberto Paccanaro fra
Det er generelt accepteret, at mange bivirkningerlægemidler observeres ikke under kliniske forsøg, men identificeres først, efter at lægemidlet kommer ind på markedet og er købt af patienter. Dette kan medføre en stigning i sygelighed og dødelighed i sundhedssektoren.
Forskere har oprettet en ny anbefalingsalgoritme,svarende til Netflix, som forudsiger brugernes smag og præferencer, og derefter foreslår film og tv-shows, der er egnede til at se. Han vil være i stand til at bestemme, hvordan patienter reagerer på stoffet. Og også beregne procentdelen af mennesker, der vil have bivirkninger efter at have taget stoffet i de tidlige stadier af menneskelige forsøg. Den nye løsning kan ændre testforløbet i fremtiden.
Det er ekstremt vigtigt at forudsige, hvor hyppigt bivirkningerne vil være efter de første faser af kliniske forsøg. I øjeblikket har vi ikke systemer, der kan gøre dette.
Professor Alberto Paccanaro fra Royal Holloway
Skønt et nøjagtigt skøn over hyppigheden af bivirkningeraf vital betydning for patientpleje i klinisk praksis, er det også vigtigt for farmaceutiske virksomheder, da det reducerer risikoen for tilbagetrækning af lægemiddel fra markedet eller en dyre revurdering af forekomsten af bivirkninger gennem nye kliniske forsøg.
Læs også
Russisk vaccine mod COVID-19 trådte ind i den civile cirkulation, men der er mange klager over den
På sygdom 3 mister de fleste COVID-19 patienter deres lugtesans og lider ofte af en løbet næse
Forskere har fundet ud af, hvorfor børn er de farligste bærere af COVID-19