Uuden työn kirjoittajat käyttivät koneoppimista ennakoimaan paremmin sivuvaikutuksia.
He keräsivät tietoja ei-toivotuista raporteistaYhdysvaltain elintarvike- ja lääkeviraston (FAERS) julkaisemia tapahtumia. Tietokannassa on yli 15 miljoonaa tietuetta. Lisäksi kirjoittajat ryhmittelivät usein samanaikaisesti tapahtuvia tapahtumia yksinkertaistaakseen analyysia ja vahvistaakseen lääkkeen ja sen sivuvaikutusprofiilin välistä suhdetta.
Sitten tutkijat kouluttivat hermoverkkoa, jokajäljittelee tapaa, jolla ihmisaivot yhdistävät tietoja, jotta ne voivat tunnistaa yhteisiä malleja huumeiden ja niiden sivuvaikutusten välillä.
Testaakseen malliaan tutkijatladannut dataa ilmeisen ei-toivotuilla yhdistelmillä nähdäkseen kuinka hermoverkko reagoisi niihin. Tulokset osoittivat, että malli pystyi tunnistamaan nämä uudet mallit ja lukemaan helposti yhdistelmähoidon sivuvaikutukset.
Pystyimme tunnistamaan yksilönterapeuttisia vaikutuksia käyttämällä yksinkertaisia algebrallisia laskelmia. Koska algoritmi on koulutettu tunnistamaan globaaleja malleja, se voi vangita tarkasti yhdistelmähoidon sivuvaikutukset.
Bart Westerman, PhD, tutkimuksen vanhempi kirjoittaja ja apulaisprofessori Amsterdamin syöpäkeskuksessa
Lue lisää:
Kymmenen vuoden työn jälkeen tutkijat kyseenalaistivat fysiikan vakiomallin
Maan sisällä on toinen "planeetta": kuinka se pelasti syntymässä olevan elämän
Vanhat solut ohjelmoitiin uudelleen, ja niistä tuli 30 vuotta nuorempia: miten se toimii