Podejście do uczenia maszynowego opracowane przez dr Diego Galeano i prof. Alberto Paccanaro z
Ogólnie przyjmuje się, że liczne skutki uboczneleki nie są obserwowane podczas badań klinicznych, ale są identyfikowane dopiero po wprowadzeniu leku na rynek i zakupie przez pacjentów. Może to spowodować wzrost zachorowalności i śmiertelności w służbie zdrowia.
Naukowcy stworzyli nowy algorytm rekomendacji,podobnie jak Netflix, który przewiduje gusta i preferencje użytkowników, a następnie podpowiada filmy i programy telewizyjne nadające się do oglądania. Będzie mógł określić, jak pacjenci zareagują na lek. A także obliczyć odsetek osób, które będą miały skutki uboczne po zażyciu leku na wczesnych etapach badań na ludziach. Nowe rozwiązanie może zmienić przebieg testów w przyszłości.
Niezwykle ważne jest, aby przewidzieć częstość występowania skutków ubocznych leków po pierwszych etapach badań klinicznych. W tej chwili nie mamy systemów, które mogłyby to zrobić.
Profesor Alberto Paccanaro z Royal Holloway
Chociaż dokładne oszacowanie częstotliwości skutków ubocznychma zasadnicze znaczenie dla opieki nad pacjentem w praktyce klinicznej, jest również niezbędny dla firm farmaceutycznych, ponieważ zmniejsza ryzyko wycofania leku z rynku lub kosztownej ponownej oceny częstości występowania skutków ubocznych w nowych badaniach klinicznych.
Czytaj także
Rosyjska szczepionka przeciwko COVID-19 weszła do cywilnego obrotu, ale jest na nią wiele skarg
W 3. dniu choroby większość pacjentów z COVID-19 traci zmysł węchu i często cierpi na katar
Naukowcy odkryli, dlaczego dzieci są najbardziej niebezpiecznymi nosicielami COVID-19