En maskininlärningsmetod utvecklad av Dr. Diego Galeano och Prof. Alberto Paccanaro från
Det är allmänt accepterat att många biverkningarläkemedel observeras inte under kliniska prövningar utan identifieras först efter att läkemedlet kommer ut på marknaden och köps av patienter. Detta kan orsaka en ökning av sjuklighet och dödlighet inom hälsosektorn.
Forskare har skapat en ny rekommendationsalgoritm,liknande Netflix, som förutspår användarnas smak och preferenser, och sedan föreslår filmer och TV-program som är lämpliga att titta på. Han kommer att kunna avgöra hur patienter kommer att svara på läkemedlet. Och beräkna också andelen personer som kommer att få biverkningar efter att ha tagit drogen i de tidiga stadierna av mänskliga prövningar. Den nya lösningen kan förändra testförloppet i framtiden.
Det är extremt viktigt att förutsäga hur ofta läkemedelsbiverkningar kommer att vara efter de första etapperna av kliniska prövningar. För tillfället har vi inte system som kan göra detta.
Professor Alberto Paccanaro från Royal Holloway
Även om en exakt uppskattning av frekvensen av biverkningarviktigt för patientvård i klinisk praxis, är det också viktigt för läkemedelsföretag eftersom det minskar risken för läkemedelsuttag från marknaden eller kostsamt omprövning av förekomsten av biverkningar genom nya kliniska prövningar.
Läs också
Ryskt vaccin mot COVID-19 kom in i den civila cirkulationen, men det finns många klagomål om det
På sjukdagens dag 3 förlorar de flesta COVID-19-patienter luktkänslan och lider ofta av en rinnande näsa
Forskare har fått reda på varför barn är de farligaste bärarna av COVID-19