De auteurs van het nieuwe werk gebruikten machine learning om bijwerkingen beter te voorspellen.
Ze verzamelden gegevens uit meldingen van ongewensteevenementen gepubliceerd door de Amerikaanse Food and Drug Administration (FAERS). Er zijn meer dan 15 miljoen records in de databases. Verder hebben de auteurs gebeurtenissen gegroepeerd die vaak gelijktijdig plaatsvinden om de analyse te vereenvoudigen en de relatie tussen het medicijn en het bijwerkingenprofiel te versterken.
De onderzoekers trainden vervolgens een neuraal netwerk datbootst de manier na waarop het menselijk brein associaties maakt tussen gegevens, zodat het gemeenschappelijke patronen tussen medicijnen en hun bijwerkingen kan identificeren.
Om hun model te testen, hebben de onderzoekersgeladen gegevens met duidelijk ongewenste combinaties om te zien hoe het neurale netwerk daarop zou reageren. De resultaten toonden aan dat het model deze nieuwe patronen kon herkennen en gemakkelijk de bijwerkingen van combinatietherapie kon aflezen.
We konden een individu identificerentherapeutische effecten met behulp van eenvoudige algebraïsche berekeningen. Omdat het algoritme is getraind om globale patronen te herkennen, kan het de bijwerkingen van combinatietherapie nauwkeurig vastleggen.
Bart Westerman, PhD, senior auteur van de studie en universitair hoofddocent bij het Amsterdam Cancer Center
Lees verder:
Na tien jaar werk zetten wetenschappers vraagtekens bij het standaardmodel van de natuurkunde
Er is nog een "planeet" in de aarde: hoe deze het leven in de dop heeft gered
Oude cellen werden opnieuw geprogrammeerd, en ze werden 30 jaar jonger: hoe het werkt