En maskinlæringstilnærming utviklet av Dr. Diego Galeano og Prof. Alberto Paccanaro fra
Det er generelt akseptert at mange bivirkningerlegemidler blir ikke observert under kliniske studier, men blir først identifisert etter at stoffet kommer inn på markedet og er kjøpt av pasienter. Dette kan føre til en økning i sykelighet og dødelighet i helsesektoren.
Forskere har laget en ny anbefalingsalgoritme,ligner på Netflix, som forutsier smak og preferanser til brukerne, og deretter foreslår filmer og TV-serier som er egnet for å se. Han vil være i stand til å bestemme hvordan pasienter vil reagere på stoffet. Og beregne også prosentandelen mennesker som vil ha bivirkninger etter å ha tatt stoffet i de tidlige stadiene av menneskelige studier. Den nye løsningen kan endre løpet av testingen i fremtiden.
Det er ekstremt viktig å forutsi hvor hyppig bivirkningene vil være etter de første stadiene av kliniske studier. For øyeblikket har vi ingen systemer som kan gjøre dette.
Professor Alberto Paccanaro fra Royal Holloway
Selv om et nøyaktig estimat av hyppigheten av bivirkningersom er viktig for pasientbehandling i klinisk praksis, er det også viktig for farmasøytiske selskaper, da det reduserer risikoen for legemiddeluttak fra markedet eller kostbar revurdering av forekomsten av bivirkninger gjennom nye kliniske studier.
Les også
Russisk vaksine mot COVID-19 kom inn i sivil sirkulasjon, men det er mange klager på det
På sykdomsdag 3 mister de fleste COVID-19 pasienter luktesansen og lider ofte av en rennende nese
Forskere har funnet ut hvorfor barn er de farligste bærerne av COVID-19