Autorzy nowej pracy wykorzystali uczenie maszynowe do lepszego przewidywania skutków ubocznych,
Zebrali dane ze zgłoszeń niechcianychwydarzenia opublikowane przez amerykańską Agencję ds. Żywności i Leków (FAERS). W bazach danych znajduje się ponad 15 milionów rekordów. Ponadto autorzy pogrupowali zdarzenia, które często występują jednocześnie, aby uprościć analizę i wzmocnić związek między lekiem a jego profilem działań niepożądanych.
Następnie naukowcy wytrenowali sieć neuronową, która naśladuje sposób, w jaki ludzki mózg tworzypowiązania między danymi, dzięki czemu może zidentyfikować wspólne wzorce między lekami i ich skutkami ubocznymi.
Aby przetestować swój model, naukowcy załadowali dane świadomie niepożądanymi kombinacjami, aby zobaczyć, jak zareaguje sieć neuronowaW efekcie okazało się, że model potrafi rozpoznać te nowe wzorce i łatwo je odczytać.Skutki uboczne terapii skojarzonej.
Byliśmy w stanie określić poszczególne efekty terapeutyczne za pomocą prostych obliczeń algebraicznych.Ponieważ algorytm jest wyszkolony do rozpoznawania globalnych wzorców, może dokładnie uchwycić skutki uboczne terapii skojarzonej.
Bart Westerman, Ph.D., starszy autorProfesor nadzwyczajnyCentrum Onkologii w Amsterdamie
Czytaj więcej:
Po dziesięciu latach pracy naukowcy zakwestionowali standardowy model fizyki
Wewnątrz Ziemi jest inna „planeta”: jak uratowała rodzące się życie
Stare komórki zostały przeprogramowane i stały się o 30 lat młodsze: jak to działa