새로운 연구의 저자는 부작용을 더 잘 예측하기 위해 기계 학습을 사용했습니다.
그들은 원치 않는 보고서에서 데이터를 수집했습니다.미국 식품의약국(FAERS)에서 발표한 이벤트. 데이터베이스에는 1,500만 개 이상의 레코드가 있습니다. 또한 저자는 분석을 단순화하고 약물과 부작용 프로파일 간의 관계를 강화하기 위해 동시에 자주 발생하는 이벤트를 그룹화했습니다.
그런 다음 연구원들은 다음과 같은 신경망을 훈련시켰습니다.인간 두뇌가 데이터를 연관시키는 방식을 모방하여 약물과 부작용 사이의 일반적인 패턴을 식별할 수 있습니다.
그들의 모델을 테스트하기 위해 연구원들은명백히 바람직하지 않은 조합으로 데이터를 로드하여 신경망이 이에 어떻게 반응하는지 확인했습니다. 그 결과, 모델은 이러한 새로운 패턴을 인식하고 병용 요법의 부작용을 쉽게 읽을 수 있는 것으로 나타났습니다.
개인을 식별할 수 있었습니다.간단한 대수적 계산을 이용한 치료 효과. 알고리즘은 전체 패턴을 인식하도록 훈련되었기 때문에 병용 요법의 부작용을 정확하게 포착할 수 있습니다.
Bart Westerman 박사, 연구 수석 저자이자 암스테르담 암센터 부교수
더 읽어보기 :
10년의 연구 끝에 과학자들은 물리학의 표준 모델에 의문을 제기했습니다.
지구 내부에는 또 다른 "행성"이 있습니다. 어떻게 초기 생명을 구했는지
오래된 세포가 재프로그래밍되어 30년 젊어졌습니다. 작동 원리