Selon l'étude menée par Pennsylvania State University publiée dans IEEE Journal of Biomedical and Health Informatics, plus un patient prend de médicaments, plus il est probable que les interactions entre ces médicaments entraînent des effets indésirables, comme des lésions organiques à long terme et même la mort. Or, des chercheurs ont mis au point un système d’apprentissage automatique capable d’avertir les médecins et les patients des éventuels effets secondaires néfastes pouvant survenir lors du mélange de médicaments.
Pour l'étude, les chercheurs ont conçu un algorithme qui analyse les données sur les interactions médicamenteuses énumérées dans des rapport, compilés par la Food and Drug Administration et d'autres organisations, pouvant être utilisé dans un éventuel système d'alerte permettant aux patients de savoir quand une association médicamenteuse pourrait déclencher des réactions dangereuses.
Selon les chercheurs, les problèmes d'interaction médicamenteuse sont importants car plusieurs médicaments sont prescrits aux patients et ils prennent des médicaments en vente libre. Afin de créer le système d'alerte, les chercheurs ont utilisé un modèle d'auto-codage, qui est un type de réseau de neurones artificiels conçu de manière lâche sur la manière dont le cerveau humain traite l'information. Traditionnellement, les ordinateurs nécessitent des données étiquetées, ce qui signifie que les utilisateurs doivent décrire les données du système pour produire des résultats. Pour les interactions médicamenteuses, les programmeurs pourraient devoir étiqueter les données de milliers de médicaments et de millions de combinaisons différentes d'interactions possibles. Cependant, le modèle autoencoder est adapté aux algorithmes semi-supervisés, ce qui signifie qu'il peut utiliser à la fois des données étiquetées par des personnes et des données non étiquetées.
Les chercheurs ont utilisé des données auto-déclarées du système de notification des événements indésirables de la FDA et des informations sur les interactions médicamenteuses potentiellement graves de l'Office of the National Coordinator for Health Information Technology. Ils ont également utilisé des informations provenant de bases de données en ligne sur DrugBank et Drugs.com. Les rapports en double et les rapports sur les interactions non graves ont été supprimés. La liste comprenait environ 2 891 médicaments, soit environ 110 495 combinaisons de médicaments. Les chercheurs ont trouvé un total de 1 740 770 rapports sur les conséquences graves pour la santé des interactions médicamenteuses.
Aucun commentaire:
Enregistrer un commentaire