Det neurale netværk blev lært at forudsige bivirkninger fra kombinationer af nye lægemidler

Forfatterne af det nye arbejde brugte maskinlæring til bedre at forudsige bivirkninger,

som følge af nye lægemiddelkombinationer.

De indsamlede data fra rapporter om uønskedebegivenheder offentliggjort af U.S. Food and Drug Administration (FAERS). Der er mere end 15 millioner poster i databaserne. Yderligere grupperede forfatterne hændelser, der ofte forekommer samtidigt, for at forenkle analysen og styrke forholdet mellem lægemidlet og dets bivirkningsprofil.

Forskerne trænede derefter et neuralt netværk, der efterligner, hvordan den menneskelige hjerne skaberSammenhænge mellem dataene, så hun kan identificere fælles mønstre mellem lægemidler og deres bivirkninger.

For at teste deres model indlæste forskerne data med bevidst uønskede kombinationer for at se, hvordan det neurale netværk ville reagereSom et resultat viste det sig, at modellen kan genkende disse nye mønstre og let læser dem.Bivirkninger af kombinationsbehandling.

Vi var i stand til at bestemme individuelle terapeutiske virkninger ved hjælp af simpel algebraisk beregning.Fordi algoritmen er trænet til at genkende globale mønstre, kan den nøjagtigt fange bivirkningerne af kombinationsbehandling.

Bart Westerman, Ph.D., seniorforfatterForskning & lektorCancer Center Amsterdam

Læs mere:

Efter ti års arbejde stillede forskerne spørgsmålstegn ved standardmodellen for fysik

Der er en anden "planet" inde i Jorden: hvordan den reddede spirende liv

Gamle celler blev omprogrammeret, og de blev 30 år yngre: hvordan virker det