Författarna till det nya verket använde maskininlärning för att bättre förutsäga biverkningar.
De samlade in data från rapporter om oönskadeevenemang publicerade av U.S. Food and Drug Administration (FAERS). Det finns mer än 15 miljoner poster i databaserna. Vidare grupperade författarna händelser som ofta inträffar samtidigt för att förenkla analysen och stärka sambandet mellan läkemedlet och dess biverkningsprofil.
Forskarna tränade sedan ett neuralt nätverk somefterliknar hur den mänskliga hjärnan gör associationer mellan data så att den kan identifiera vanliga mönster mellan läkemedel och deras biverkningar.
För att testa sin modell, forskarnaladdade data med uppenbart oönskade kombinationer för att se hur det neurala nätverket skulle reagera på dem. Resultaten visade att modellen kunde känna igen dessa nya mönster och enkelt avläsa biverkningarna av kombinationsterapi.
Vi kunde identifiera en personterapeutiska effekter med enkla algebraiska beräkningar. Eftersom algoritmen är tränad att känna igen globala mönster, kan den exakt fånga biverkningarna av kombinationsterapi.
Bart Westerman, PhD, senior författare till studien och docent vid Amsterdam Cancer Center
Läs mer:
Efter tio års arbete ifrågasatte forskare fysikstandardmodellen
Det finns en annan "planet" inuti jorden: hur den räddade liv i början
Gamla celler omprogrammerades och de blev 30 år yngre: hur det fungerar