Naujojo darbo autoriai naudojo mašininį mokymąsi, kad geriau prognozuotų šalutinį poveikį.
Jie rinko duomenis iš pranešimų apie nepageidaujamus dalykusJAV maisto ir vaistų administracijos (FAERS) paskelbtus įvykius. Duomenų bazėse yra daugiau nei 15 milijonų įrašų. Be to, autoriai sugrupavo įvykius, kurie dažnai vyksta vienu metu, kad supaprastintų analizę ir sustiprintų ryšį tarp vaisto ir jo šalutinio poveikio profilio.
Tada mokslininkai apmokė neuroninį tinkląimituoja tai, kaip žmogaus smegenys sieja duomenis, kad galėtų nustatyti bendrus narkotikų ir jų šalutinio poveikio modelius.
Norėdami išbandyti savo modelį, mokslininkaiįkelti duomenis su akivaizdžiai nepageidaujamais deriniais, kad pamatytumėte, kaip į juos reaguotų neuroninis tinklas. Rezultatai parodė, kad modelis gali atpažinti šiuos naujus modelius ir lengvai perskaityti šalutinį kombinuoto gydymo poveikį.
Mums pavyko identifikuoti asmenįterapinis poveikis naudojant paprastus algebrinius skaičiavimus. Kadangi algoritmas yra išmokytas atpažinti pasaulinius modelius, jis gali tiksliai užfiksuoti šalutinį kombinuoto gydymo poveikį.
Bartas Westermanas, daktaras, vyresnysis tyrimo autorius ir Amsterdamo vėžio centro docentas
Skaityti daugiau:
Po dešimties metų darbo mokslininkai suabejojo standartiniu fizikos modeliu
Žemėje yra dar viena „planeta“: kaip ji išgelbėjo gimstančią gyvybę
Senos ląstelės buvo perprogramuotos ir jos tapo 30 metų jaunesnės: kaip tai veikia