不知道哪些药不能同吃?机器学习可帮助识别药物组合的负面作用

宾夕法尼亚州立大学的研究人员们开发了一种机器学习工具,用来分析药物与药物之间相互作用的数据,从而警示提供者药物组合可能产生的负面影响。

作者: Wendi 来源: 大健康派 2019-10-17 17:09:27

宾夕法尼亚州立大学的研究人员们开发了一种机器学习工具,用来分析药物与药物之间相互作用的数据,从而警示提供者药物组合可能产生的负面影响。


研究者们表示,病人常常会被开出多种药物处方,也有很多人会自己服用非处方药。“假设我正在服用一种非常常见的非处方止痛药,然后又服用降压药,这些药物相互作用,从而可能会影响到我的肝脏”,宾夕法尼亚州立大学的Soundar Kumara教授举例道。


“实际上,在这项研究中,我们所做的是收集所有与肝脏有关的疾病数据,看看哪些药物会相互作用影响肝脏。


研究团队使用了来自FDA和其他机构编制的报告中的数据,建立了一个警报系统,可以让患者知道什么时候药物组合会带来副作用。


在构建这个警报系统时,研究人员依赖自动编码器模型,这是一种基于人脑处理信息方式的人工神经网络。计算机通常需要标记信息从而产生结果。


在药物-药物相互作用的过程中,程序员需要标记来自数千种药物和数百万种不同的潜在相互作用的数据。然而,自动编码器模型适用于半监督算法,这就意味着可以同时使用标记数据和未标记的数据。


由于药物与药物之间可能存在大量负面的相互作用,提供商可能会产生警报疲劳,并且无意中忽略了这些警报。为避免这样的情况,研究人员只确定了那些被视为高度优先的相互作用,例如导致住院、死亡或残疾的相互作用。


为了测试机器学习模型,研究人员使用了大约 110495 种药物组合,研究团队共发现了1740770份药物间相互作用产生严重健康后果的报告。


Kumara表示,这项研究具有非常重要的意义,大多数病人不止服用一种药物,他们常常服用多种药物,这项的研究对这些人具有广泛的用途。


研究团队指出,分析药物间如何相互作用只是研究的第一步,今后,完善和发展这项技术,产生更加个性化和精确的药物相互作用警报,将成为更加重要的工作。


Kumara说,这些反应并不独立于这些相互作用的化学物质,那是第二个层次,第三层次是患者个体基因组数据。


利用基因组和基因数据来检查药物组合的效果,以前就曾帮助改善过患者预后。2017年的一项研究显示,将基因检测与临床决策支持工具相结合,对服用多种药物的患者进行治疗,减少了52%的入院率,并减少了42%的急诊就诊。


有了这个新的机器学习工具,宾夕法尼亚州立大学的研究人员希望能进一步为服用多种药物的患者改善健康状况。


研究团队总结道:“实验结果证明了利用不良事件特征表征在区分高低优先级药物相互作用中的有效性。


“该框架集成了多个信息源,利用了领域知识和临床证据,帮助预先筛选出用于药物警报的高优先级药物-药物相互作用的候选者。


(编译自HealthITAnalytics,作者Jessica Kent)


药物组合 药物反应 机器学习

关注大健康Pai 官方微信:djkpai我们将定期推送医健科技产业最新资讯