Οι συγγραφείς της νέας εργασίας χρησιμοποίησαν μηχανική μάθηση για να προβλέψουν καλύτερα τις παρενέργειες.
Συνέλεξαν δεδομένα από αναφορές ανεπιθύμητωνεκδηλώσεις που δημοσιεύθηκαν από τον Οργανισμό Τροφίμων και Φαρμάκων των ΗΠΑ (FAERS). Υπάρχουν περισσότερες από 15 εκατομμύρια εγγραφές στις βάσεις δεδομένων. Επιπλέον, οι συγγραφείς ομαδοποίησαν συμβάντα που συμβαίνουν συχνά ταυτόχρονα για να απλοποιήσουν την ανάλυση και να ενισχύσουν τη σχέση μεταξύ του φαρμάκου και του προφίλ των παρενεργειών του.
Στη συνέχεια οι ερευνητές εκπαίδευσαν ένα νευρωνικό δίκτυο πουμιμείται τον τρόπο που ο ανθρώπινος εγκέφαλος κάνει συσχετίσεις μεταξύ δεδομένων, ώστε να μπορεί να εντοπίσει κοινά μοτίβα μεταξύ των φαρμάκων και τις παρενέργειές τους.
Για να δοκιμάσουν το μοντέλο τους, οι ερευνητέςφόρτωσαν δεδομένα με προφανώς ανεπιθύμητους συνδυασμούς για να δούμε πώς θα αντιδρούσε το νευρωνικό δίκτυο σε αυτούς. Τα αποτελέσματα έδειξαν ότι το μοντέλο μπορούσε να αναγνωρίσει αυτά τα νέα πρότυπα και να διαβάσει εύκολα τις παρενέργειες της συνδυαστικής θεραπείας.
Καταφέραμε να αναγνωρίσουμε το άτομοθεραπευτικά αποτελέσματα χρησιμοποιώντας απλούς αλγεβρικούς υπολογισμούς. Επειδή ο αλγόριθμος είναι εκπαιδευμένος να αναγνωρίζει παγκόσμια μοτίβα, μπορεί να καταγράψει με ακρίβεια τις παρενέργειες της συνδυαστικής θεραπείας.
Bart Westerman, PhD, ανώτερος συγγραφέας της μελέτης και αναπληρωτής καθηγητής στο Κέντρο Καρκίνου του Άμστερνταμ
Διαβάστε περισσότερα:
Μετά από δέκα χρόνια εργασίας, οι επιστήμονες αμφισβήτησαν το τυπικό μοντέλο της φυσικής
Υπάρχει ένας άλλος «πλανήτης» μέσα στη Γη: πώς έσωσε την εκκολαπτόμενη ζωή
Παλιά κύτταρα επαναπρογραμματίστηκαν και έγιναν 30 χρόνια νεότερα: πώς λειτουργεί