Nepříznivé reakce léků (ADR) jsou významnou příčinou přijetí nemocnic a přerušení léčby po celém světě. Konvenční přístupy často nedokážou detekovat vzácné nebo zpožděné účinky léčivých přípravků. Aby se zlepšila včasná detekce, vyvinul výzkumný tým z lékařské univerzity v Sofii model hlubokého učení, který předpovídá pravděpodobnost ADR založených výhradně na chemické struktuře léku.
Model byl vytvořen pomocí neuronové sítě vyškolené pomocí referenčních farmakovigilačních dat. Vstupní rysy byly odvozeny z kódů úsměvu – standardní formát představující molekulární strukturu. Předpovědi byly vytvořeny pro šest hlavních ADR: hepatotoxicita, nefrotoxicita, kardiotoxicita, neurotoxicita, hypertenze a fotocitlivost.
„Mohli bychom dojít k závěru, že úspěšně identifikoval mnoho očekávaných reakcí, zatímco produkoval relativně málo falešných pozitiv,“ píšou vědci ve svém příspěvku zveřejněném v časopise PharmaciaK závěru „ukazuje přijatelnou přesnost při předpovídání ADR“.
Testování modelu s dobře charakterizovanými léky vedlo k předpovědi v souladu se známými profily vedlejších účinků. Například odhadovala pravděpodobnost 94,06% hepatotoxicity pro erytromycin, 88,44% pro nefrotoxicitu a 75,8% pro hypertenzi v cisplatině. Kromě toho byla předpovězena 22% fotosenzitivita na cisplatinu, zatímco 64,8% fotosenzitivita byla odhadnuta pro experimentální sloučeninu ezeprogind. U enadolinu, nové molekuly, model vrátil skóre nízké pravděpodobnosti ve všech ADR, což naznačuje minimální riziko.
Zejména tyto výsledky ukazují potenciál modelu jako nástroje na podporu rozhodování při objevování léků v rané fázi a monitorování bezpečnosti regulačních bezpečnosti. Autoři uznávají, že výkon infrastruktury by mohl být dále zvýšen začleněním faktorů, jako jsou hladiny dávky a parametry specifické pro pacienta.
Zdroj:
Reference časopisu:
Ruseva, V. et al. (2025) In situ vývoj modelu umělé inteligence (AI) pro včasnou detekci nepříznivých reakcí léčiva (ADR) k zajištění bezpečnosti léčiva. Pharmacia. doi.org/10.3897/pharmacia.72.e160997.
