Jaunā darba autori izmantoja mašīnmācīšanos, lai labāk prognozētu blakusparādības.
Viņi apkopoja datus no ziņojumiem par nevēlamunotikumi, ko publicējusi ASV Pārtikas un zāļu pārvalde (FAERS). Datu bāzēs ir vairāk nekā 15 miljoni ierakstu. Turklāt autori grupēja notikumus, kas bieži notiek vienlaicīgi, lai vienkāršotu analīzi un stiprinātu saikni starp narkotiku un tās blakusparādību profilu.
Pēc tam pētnieki apmācīja neironu tīklu, kasatdarina veidu, kā cilvēka smadzenes veido asociācijas starp datiem, lai tās varētu noteikt kopīgus narkotiku un to blakusparādību modeļus.
Lai pārbaudītu savu modeli, pētniekiielādēja datus ar acīmredzami nevēlamām kombinācijām, lai redzētu, kā neironu tīkls uz tiem reaģēs. Rezultāti parādīja, ka modelis var atpazīt šos jaunos modeļus un viegli nolasīt kombinētās terapijas blakusparādības.
Mēs varējām identificēt personuterapeitiskie efekti, izmantojot vienkāršus algebriskos aprēķinus. Tā kā algoritms ir apmācīts atpazīt globālus modeļus, tas var precīzi uztvert kombinētās terapijas blakusparādības.
Bart Westerman, PhD, pētījuma vecākais autors un Amsterdamas vēža centra asociētais profesors
Lasīt vairāk:
Pēc desmit gadu darba zinātnieki apšaubīja fizikas standarta modeli
Zemes iekšpusē ir vēl viena “planēta”: kā tā izglāba topošo dzīvību
Vecās šūnas tika pārprogrammētas, un tās kļuva par 30 gadiem jaunākas: kā tas darbojas