Forfatterne av det nye arbeidet brukte maskinlæring for bedre å forutsi bivirkninger,
De samlet inn data fra rapporter om uønskedebegivenheter publisert av U.S. Food and Drug Administration (FAERS). Det er mer enn 15 millioner poster i databasene. Videre grupperte forfatterne hendelser som ofte skjer samtidig for å forenkle analysen og styrke forholdet mellom stoffet og dets bivirkningsprofil.
Forskerne trente deretter et nevralt nettverk som etterligner hvordan den menneskelige hjernen skaperassosiasjoner mellom dataene slik at hun kan identifisere vanlige mønstre mellom legemidler og deres bivirkninger.
For å teste modellen lastet forskerne data med bevisst uønskede kombinasjoner for å se hvordan det nevrale nettverket ville reagereSom et resultat viste det seg at modellen kan gjenkjenne disse nye mønstrene og lett lese dem.Bivirkninger av kombinasjonsbehandling.
Vi var i stand til å bestemme individuelle terapeutiske effekter ved hjelp av enkel algebraisk beregning.Fordi algoritmen er opplært til å gjenkjenne globale mønstre, kan den nøyaktig fange bivirkningene av kombinasjonsterapi.
Bart Westerman, Ph.D., seniorforfatterForskning &; FørsteamanuensisKreftsenteret, Amsterdam
Les mer:
Etter ti års arbeid stilte forskere spørsmålstegn ved standardmodellen for fysikk
Det er en annen "planet" inne i jorden: hvordan den reddet gryende liv
Gamle celler ble omprogrammert, og de ble 30 år yngre: hvordan det fungerer