使用人工智能预测新的抗癌药物联合治疗的副作用

初步数据从一个人工智能模型可以预测新组合疗法带来的副作用,根据结果提出的AACR年会2022,4月8日至13日举行。

“临床医生受到现实世界的问题,新组合疗法可能会导致不可预知的结果,”说巴特·威斯曼博士该研究的资深作者和癌症中心副教授阿姆斯特丹。“我们的方法可以帮助我们理解之间的关系的影响,不同的药物与疾病的背景。”

许多癌症类型越来越被接受联合疗法,通过临床医生试图最大化功效和最小化治疗抵抗的机会。然而,这样的联合疗法可以一次添加多个药物,药物的病人已经复杂的列表。新药临床试验测试或很少占组合之外的其他药物病人可能需要治疗方案进行测试。

“患者寻求治疗通常使用4到6个药品日常,很难决定是否一个新的联合治疗可能他们的健康,”韦斯特曼说。“很难评估联合治疗的积极的效果是否会证明其负面影响某些病人。”

威斯特曼和同事研究生AslıKucukosmanoğlu,谁提出了study-sought使用机器学习来更好地预测不良事件产生的新的药物组合。他们收集的数据来自美国食品和药物管理局不良事件报告系统(FAERS),一个数据库,其中包含超过1500万个不良事件的记录。使用一种称为降维的方法,它们组合在一起的事件经常共现为了简化分析,加强药物副作用及其之间的关系。

然后研究人员将这些数据卷积神经网络算法的一种机器学习,模仿人类大脑的方式使数据之间的关联。不良事件对个人疗法被用来训练算法,找到药物之间的共同模式及其副作用。公认的模式被编码到一个所谓的“潜在空间”代表每个不良事件信息,简化了计算,一串225个数字0和1之间,可以解码回到原来的形象。

为了测试他们的模型,研究人员提供了看不见的联合疗法的不良事件概要模型,称为“阿特拉斯,不良事件”是否可以识别这些新的概要文件和使用的正确解码它们空间描述符。这表明,模型可以识别这些新模式,证明测量结合概要文件可以转换回那些每种药物的联合治疗。

威斯曼说,这表明联合治疗的副作用很容易预测。“我们能够决定个人的治疗效果通过简单的代数计算的潜在空间描述符,”他解释道。”,因为这种方法可以减少噪音数据,因为该算法训练识别全球模式,它能准确地捕捉联合疗法的副作用。”

韦斯特曼和他的同事进一步验证模型通过比较预测不良事件的概要文件所观察到的联合疗法的诊所。使用数据从FAERS和美国临床试验数据库,研究人员表明,该模型可以准确地概括不良事件概要文件对于某些常用的联合疗法。

联合疗法的一个复杂因素是新的,潜在的不可预见的副作用可能出现的药物组合。使用添加剂的模式识别的模型,研究人员能够区分添加剂副作用从协同的副作用的药物组合。威斯曼说,这可以帮助他们更好的了解会发生什么当复杂的不良事件概要交织在一起。

研究人员正在开发一种统计方法,量化模型的准确性。“鉴于药物相互作用的景观是高度复杂的,涉及到很多分子,高分子,细胞,和器官的过程,我们的方法不太可能会导致黑白的决定,”韦斯特曼说。“不良事件阿特拉斯还在概念阶段,但最重要的发现是,我们能够得到的快照的相互作用药物,疾病,和人体所描述的成千上万的病人。”

本研究的局限性包括潜在困难与更稀疏的数据比较这些数据,以及有限的应用程序模型的临床实践,直到进一步的验证。

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。