Μια προσέγγιση μηχανικής μάθησης που αναπτύχθηκε από τον Dr. Diego Galeano και τον Prof. Alberto Paccanaro από
Είναι γενικά αποδεκτό ότι πολλές παρενέργειεςφάρμακα δεν παρατηρούνται κατά τη διάρκεια κλινικών δοκιμών, αλλά αναγνωρίζονται μόνο μετά την είσοδο του φαρμάκου στην αγορά και αγοράζονται από ασθενείς. Αυτό μπορεί να προκαλέσει αύξηση της νοσηρότητας και της θνησιμότητας στον τομέα της υγείας.
Οι επιστήμονες έχουν δημιουργήσει έναν νέο αλγόριθμο προτάσεων,παρόμοιο με το Netflix, το οποίο προβλέπει τα γούστα και τις προτιμήσεις των χρηστών, και στη συνέχεια προτείνει ταινίες και τηλεοπτικές εκπομπές κατάλληλες για παρακολούθηση. Θα είναι σε θέση να καθορίσει πώς οι ασθενείς θα ανταποκριθούν στο φάρμακο. Επίσης, υπολογίστε το ποσοστό των ατόμων που θα έχουν παρενέργειες μετά τη λήψη του φαρμάκου στα πρώτα στάδια των ανθρώπινων δοκιμών. Η νέα λύση θα μπορούσε να αλλάξει την πορεία των δοκιμών στο μέλλον.
Είναι εξαιρετικά σημαντικό να προβλεφθεί η συχνότητα των παρενεργειών του φαρμάκου μετά τα πρώτα στάδια των κλινικών δοκιμών. Προς το παρόν δεν έχουμε συστήματα που θα μπορούσαν να το κάνουν αυτό.
Ο καθηγητής Alberto Paccanaro του Royal Holloway
Αν και μια ακριβής εκτίμηση της συχνότητας των παρενεργειώνζωτικής σημασίας για τη φροντίδα των ασθενών στην κλινική πρακτική, είναι επίσης απαραίτητο για τις φαρμακευτικές εταιρείες, καθώς μειώνει τον κίνδυνο απόσυρσης φαρμάκων από την αγορά ή δαπανηρή επανεκτίμηση της επίπτωσης των παρενεργειών μέσω νέων κλινικών δοκιμών.
Διαβάστε επίσης
Το ρωσικό εμβόλιο κατά του COVID-19 εισήλθε σε κυκλοφορία πολιτών, αλλά υπάρχουν πολλά παράπονα για αυτό
Την 3η ημέρα της ασθένειας, οι περισσότεροι ασθενείς με COVID-19 χάνουν την αίσθηση της όσφρησης και συχνά υποφέρουν από ρινική καταρροή
Οι επιστήμονες ανακάλυψαν γιατί τα παιδιά είναι οι πιο επικίνδυνοι φορείς του COVID-19